Svet umelej inteligencie napreduje závratným tempom. Len niekoľko mesiacov po predstavení nových generátorov videí prichádza ďalšia novinka. Čínska spoločnosť MiniMax sprístupnila nový multimodálny model MiniMax H3, ktorý dokáže vytvárať videá z textu, obrázkov, videí aj zvuku. O novinke informovala agentúra Reuters.
Na model upozornil aj český AI nadšenec Lukáš Šida vo facebookovej skupine Umělá inteligence – AI, ChatGPT, OpenAI – sdílení zkušeností, kde zverejnil svoje prvé skúsenosti s jeho lokálnym spustením.
Vytvorí video z textu, fotografie aj videa
MiniMax H3 podporuje viacero spôsobov generovania obsahu. Dokáže vytvoriť video iba na základe textového zadania (Text-to-Video), rozpohybovať fotografiu (Image-to-Video), pracovať s referenčnými obrázkami alebo upravovať existujúce videá. Model zvláda aj prácu so zvukom a podľa spoločnosti MiniMax dokáže vytvárať videá v rozlíšení až 2K s dĺžkou približne 15 sekúnd. Viac informácií o modeli zverejnila spoločnosť MiniMax na svojej stránke.
Nie je to úplne zadarmo
Na prvý pohľad môže znieť lákavo, že MiniMax H3 dokáže vytvárať videá “zadarmo” priamo na domácom počítači. V skutočnosti to však platí iba čiastočne.
Používateľ totiž neplatí za samotný AI model ani za každé vygenerované video, ako je to pri mnohých cloudových službách. Model si môže stiahnuť a spúšťať na vlastnom počítači bez platenia poplatkov za cloudové API.
Náklady však predstavuje prevádzka modelu. Na generovanie videí je potrebný veľmi výkonný počítač s kvalitnou grafickou kartou, veľkou operačnou pamäťou a dostatočne výkonným procesorom. Takáto zostava môže stáť tisíce eur a počas generovania spotrebúva podstatne viac elektrickej energie než pri bežnej práci. Inými slovami – model je síce bezplatný, ale jeho používanie nie je zadarmo, ak používateľ nevlastní dostatočne výkonný hardvér.
Prvé skúsenosti ukazujú, že treba trpezlivosť
Lukáš Šida vo svojom príspevku uvádza, že samotný model má približne 64 GB vo formáte BF16 a využíva aj veľký textový enkóder Qwen3-VL-32B. V prostredí ComfyUI sa mu podarilo model skomprimovať približne na 21 GB pomocou kvantizácie Int8.
Na jeho počítači s 8 GB grafickej pamäte (VRAM) a 64 GB operačnej pamäte trvalo vytvorenie ukážkového videa v rozlíšení 608 × 352 pixelov približne 20 minút pri 25 krokoch generovania. Podľa neho sa však očakáva, že komunita pripraví ďalšie optimalizácie, ktoré budú model postupne zrýchľovať.
Konkurencia je čoraz silnejšia
MiniMax H3 vstupuje na trh, kde už pôsobia známe AI generátory videí ako Seedance 2.0, Google Veo, Kling AI, Runway, Pika či Luma AI. Konkurencia medzi nimi je mimoriadne silná a nové modely prinášajú kvalitnejšie videá aj rýchlejšie generovanie prakticky každý mesiac.
Práve sprístupňovanie výkonných modelov na lokálne používanie môže podľa odborníkov znamenať ďalší významný krok vo vývoji umelej inteligencie. Profesionálni tvorcovia totiž nebudú odkázaní iba na cloudové služby a budú môcť videá vytvárať priamo na vlastnom hardvéri.
