MiniMax低调发布首款文生视频模型

2024-09-02 12:20

本文主要是介绍MiniMax低调发布首款文生视频模型,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

8月31日,MiniMax低调发布首款视频生成大模型,同时发布一条由MiniMax大模型生成的2分钟视频《魔法硬币》。

值得注意的是,目前MiniMax并未公布模型的具体参数和技术要点。当天,MiniMax创始人闫俊杰在接受界面新闻等媒体群访时表示,“我们确实在视频模型生成方面取得很大的进展,根据内部评测以及跑分,我们比Runway的(生成视频)效果更好。”

据其透露,目前的视频生成模型只是第一版,很快会有新版本,后续还会在数据、算法本身、使用细节等方面继续迭代,现在只提供文生视频。未来图生视频、文+图生成视频都会陆续出来。

“我们的策略先再等一两周,等新东西到达满意状态后,可能会考虑商业化。”闫俊杰进一步表示。

目前,MiniMax的商业化由两部分组成,开放平台有两千多家客户。其次,该公司的产品中也有广告机制。“现阶段,最重要的东西不是商业化,而是技术能够到达广泛可用的程度。”闫俊杰说。

然而,相较于快手可灵,MiniMax推出视频生成模型在时间上晚了一两个月。

闫俊杰解释,这期间,团队一直在解决更难的技术问题——如何训练算力较高的内容。难度在训练视频生成能力,需要先把视频变成token,这些token非常长,越长复杂度越高。最终,MiniMax团队通过算法不断降低复杂度,压缩率变得更高,因此发布时间晚了一两个月。

但他也表示,不管是视频、文本、声音,MiniMax团队的核心研发思路不在于找一个算法提升5%、10%的路径,“如果能提升几倍就一定要做出来,只提升5%就不太值得做。”

谈及为何一定要做文生视频,闫俊杰认为,本质在于人类每天消费的大部分内容是图文和视频,文字占比不高。为了有更高的用户覆盖度和使用度,唯一的办法是输出多模态内容,而不是单纯输出文字内容,一定要做多模态,这个路线是一以贯之的。

视频生成大模型存在一定难度。闫俊杰解释称,视频的工作复杂度比做文本更难,视频的上下文文本天然很长,处理难度大。

其次,视频量很大,例如5秒视频有几兆,100个字可能都不到1K,背后是几千倍的存储差距。

生成视频模型的挑战在于,之前基于文本建的这套底层基础设施不适用于视频生成,例如怎么处理、清洗以及标注数据,这就意味着基础设施也需要升级。

在当天的发布会上,闫俊杰着重提及“快”。他认为,长期看,进步越快的东西就越好。不管是做MOE还是Linear attention,还是其他探索,本质上还是让同样的效果模型变得更快。闫俊杰指出:“快才意味着同样的算力(训练内容)可以变得更好。”

当天,MiniMax开放平台负责人魏伟业在活动中表示,当前,大模型的效果、成本和多模态还面临挑战。

第一,大模型有不可避免的幻觉,也会因为对指令遵从和语言理解能力不足,导致输出不符合预期,因此要坚持做更高、更快、更强的模型。

第二,去年到今年上半年,成本是制约很多企业用不起大模型的原因。

今年五月以来,大模型领域掀起价格战,API一路降至“白菜价”。魏伟认为,低成本能够激发出更多应用场景的出现,未来API成本会再进一步降级。

第三,多模态会触发出更多的应用场景,比如文本和语音的结合,能够让大模型更好地识别和表达情绪。语音和视频的结合,能够生成带配音的短视频和广告片段。

当前,大模型领域存在很多非共识:到底要做toB(企业)还是toC(用户)?国内市场还是做海外市场,Scaling Law(规模法则)能否延续?针对这些行业内普遍的问题,闫俊杰直言:尽管有很多挑战,我们属于最乐观的公司,对技术进步、用户、产品迭代效率都充满乐观。

这篇关于MiniMax低调发布首款文生视频模型的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/1129935

相关文章

Nginx实现前端灰度发布

《Nginx实现前端灰度发布》灰度发布是一种重要的策略,它允许我们在不影响所有用户的情况下,逐步推出新功能或更新,通过灰度发布,我们可以测试新版本的稳定性和性能,下面就来介绍一下前端灰度发布的使用,感... 目录前言一、基于权重的流量分配二、基于 Cookie 的分流三、基于请求头的分流四、基于请求参数的分

C#集成DeepSeek模型实现AI私有化的流程步骤(本地部署与API调用教程)

《C#集成DeepSeek模型实现AI私有化的流程步骤(本地部署与API调用教程)》本文主要介绍了C#集成DeepSeek模型实现AI私有化的方法,包括搭建基础环境,如安装Ollama和下载DeepS... 目录前言搭建基础环境1、安装 Ollama2、下载 DeepSeek R1 模型客户端 ChatBo

SpringBoot快速接入OpenAI大模型的方法(JDK8)

《SpringBoot快速接入OpenAI大模型的方法(JDK8)》本文介绍了如何使用AI4J快速接入OpenAI大模型,并展示了如何实现流式与非流式的输出,以及对函数调用的使用,AI4J支持JDK8... 目录使用AI4J快速接入OpenAI大模型介绍AI4J-github快速使用创建SpringBoot

定价129元!支持双频 Wi-Fi 5的华为AX1路由器发布

《定价129元!支持双频Wi-Fi5的华为AX1路由器发布》华为上周推出了其最新的入门级Wi-Fi5路由器——华为路由AX1,建议零售价129元,这款路由器配置如何?详细请看下文介... 华为 Wi-Fi 5 路由 AX1 已正式开售,新品支持双频 1200 兆、配有四个千兆网口、提供可视化智能诊断功能,建

0基础租个硬件玩deepseek,蓝耘元生代智算云|本地部署DeepSeek R1模型的操作流程

《0基础租个硬件玩deepseek,蓝耘元生代智算云|本地部署DeepSeekR1模型的操作流程》DeepSeekR1模型凭借其强大的自然语言处理能力,在未来具有广阔的应用前景,有望在多个领域发... 目录0基础租个硬件玩deepseek,蓝耘元生代智算云|本地部署DeepSeek R1模型,3步搞定一个应

Deepseek R1模型本地化部署+API接口调用详细教程(释放AI生产力)

《DeepseekR1模型本地化部署+API接口调用详细教程(释放AI生产力)》本文介绍了本地部署DeepSeekR1模型和通过API调用将其集成到VSCode中的过程,作者详细步骤展示了如何下载和... 目录前言一、deepseek R1模型与chatGPT o1系列模型对比二、本地部署步骤1.安装oll

Spring AI Alibaba接入大模型时的依赖问题小结

《SpringAIAlibaba接入大模型时的依赖问题小结》文章介绍了如何在pom.xml文件中配置SpringAIAlibaba依赖,并提供了一个示例pom.xml文件,同时,建议将Maven仓... 目录(一)pom.XML文件:(二)application.yml配置文件(一)pom.xml文件:首

Java如何获取视频文件的视频时长

《Java如何获取视频文件的视频时长》文章介绍了如何使用Java获取视频文件的视频时长,包括导入maven依赖和代码案例,同时,也讨论了在运行过程中遇到的SLF4J加载问题,并给出了解决方案... 目录Java获取视频文件的视频时长1、导入maven依赖2、代码案例3、SLF4J: Failed to lo

如何在本地部署 DeepSeek Janus Pro 文生图大模型

《如何在本地部署DeepSeekJanusPro文生图大模型》DeepSeekJanusPro模型在本地成功部署,支持图片理解和文生图功能,通过Gradio界面进行交互,展示了其强大的多模态处... 目录什么是 Janus Pro1. 安装 conda2. 创建 python 虚拟环境3. 克隆 janus

Python实现多路视频多窗口播放功能

《Python实现多路视频多窗口播放功能》这篇文章主要为大家详细介绍了Python实现多路视频多窗口播放功能的相关知识,文中的示例代码讲解详细,有需要的小伙伴可以跟随小编一起学习一下... 目录一、python实现多路视频播放功能二、代码实现三、打包代码实现总结一、python实现多路视频播放功能服务端开