Sıralama neden önemli

Yapay zeka tarafından üretilen videolar, uzun süredir ağırlıklarını (weights) gizleyen ve sahibi olan şirket dışındaki herkesi sürecin dışında tutan tescilli sistemlerin egemenliği altındaydı. MiniMax, ağırlıklarını paylaşarak araştırmacılara ve bağımsız geliştiricilere, açık kaynaklı metin modellerinin yıllardır sahip olduğu erişim imkanını sunuyor. Benchmark başarısı, açık erişimli bir modelin sadece maliyetle değil, kaliteyle de rekabet edebileceğini gösteriyor.

Açık ağırlıklı bir rakibe giden yol

MiniMax'in H3 modeli; çözünürlüğü, kare hızını ve tutarlılığı istikrarlı bir şekilde artıran bir dizi üretken video çalışmasını sürdürüyor. ByteDance, 30 saniyelik klipler oluşturan ancak kodunu ve ağırlıklarını kurumsal bir güvenlik duvarı arkasında tutan Seedance 2.5 modelini yayınladığı gün, MiniMax tam tersi bir yol izleyerek metin, görüntü, video ve sesi tek bir geçişte işleyebilen 33 milyar parametreli bir model yayınladı.

Model neler yapabilir

  • Çok modlu (Multimodal) girdi – Tek bir istem (prompt), dokuz adede kadar referans görsel, üç kısa video klibi ve üç ses klibi içerebilir. Model, işleme (rendering) öncesinde bu sinyalleri yapılandırılmış bir ara temsile dönüştürür.
  • Çıktı uzunluğu ve kalitesi – H3, her biri senkronize stereo ses içeren 4 ila 15 saniyelik video segmentleri üretir.
  • Parametre sayısı – 33 milyar parametre ile ağ, önde gelen kapalı kaynaklı çözümlerin boyutuna ulaşarak ince ayrıntılı hareket ve dokuları yakalamasına yardımcı olur.

Bu yetenekler yaygın bir sorunu ele alıyor: kareler arasında görsel ve işitsel sürekliliği sağlamak. H3, daha zengin bir referans seti sunarak birçok metinden videoya (text-to-video) sisteminin kabusu olan "jump-cut" kusurlarını azaltıyor.

Gizli parçalar

MiniMax, iki bileşeni kasıtlı olarak kapalı tuttu: 2K çözünürlüğe yükseltme (upsampling) yapan modül ve çok modlu istemi dahili formata dönüştüren H3-Context-IR motoru. Yükseltici (upscaler) olmadan, yerel bir makinede elde edebileceğiniz en yüksek çözünürlük 768p'dir. Ayrıca kullanıcıların referans materyallerini oluşturmak için MiniMax'in istem kılavuzlarını takip etmesi gerekir; bu adım yeni başlayanlar için teknik bir süreç olabilir.

H3'ü yerel olarak çalıştırmak

Modeli, topluluk tarafından geliştirilen ComfyUI arayüzü üzerinden yükleyebilirsiniz. Temel ağırlıklar ücretsizdir ancak çözünürlük sınırı, tescilli yükselticiyi satın almadıkları sürece hobi kullanıcılarını ve küçük stüdyoları daha düşük pikselli çıktılar kabul etmeye zorlar. Özel görüntüler, karakterler veya görsel stiller üzerinde ince ayar (fine-tuning) desteği sunularak geliştiricilere kapalı modellerde bulunmayan bir yaratıcı özgürlük sağlanır.

Lisanslama ticari potansiyeli kısıtlıyor

MiniMax'in lisansı, ticari dağıtıma yalnızca yıllık geliri 20 milyon doların altında olan firmalar için izin verir. Bu madde, şirketi, MiniMax'in kendi tekliflerini devre dışı bırakarak teknolojiyi büyük ölçekte paraya dönüştürebilecek büyük işletmelere karşı korur. Girişimler ve araştırma laboratuvarları cömert şartlardan yararlanırken, daha büyük oyuncuların ayrı bir anlaşma müzakere etmesi gerekir.

Karşı görüş: Bazıları neden kapalı modellerde kalabilir?

  • Daha uzun klip süreleri – ByteDance'in sistemi, H3'ün maksimum uzunluğunun iki katı olan 30 saniyelik videolar üretebilir.

Sırada ne var?

  • **

Özet

MiniMax'in H3 modeli, açık ağırlıklı bir video oluşturucunun benchmark kalitesinde kapalı devleri yenebileceğini kanıtlıyor; ancak sınırlı çözünürlüğü, ek kapalı bileşenleri ve gelir sınırı olan lisansı, onu doğrudan araştırmacıların, girişimlerin ve hobi kullanıcılarının alanında tutuyor. Modelin çok modlu esnekliği ve ince ayar özgürlüğü açık kaynak topluluğunu cezbederken, açık ekosistem geri kalan boşlukları doldurana kadar işletmeler hala tescilli çözümlere yönelebilir.