新清士の「メタバース・プレゼンス」 第172回

ついにAIキャラクターと“ビデオチャット”へ　「MiniMax H3」がリアルタイム生成に接近

筆者作成の動画AIチャットアプリ「FastH3 Date Chat」でアニメキャラと会話をしているところ

　動画モデル「MiniMax H3」のウェイトの公開後も、コミュニティのアップデートが止まりません。ついにリアルタイムに近い動画生成まで実現可能になってきました。生成時間の短さを利用した会話ゲームや無限に生成する仕組みをローカルPCでも実現する環境が登場。さらなる高速化技法も登場し、動画AIの再定義が進みつつあります。生成動画を介してキャラクターとセミリアルタイムでチャットできる自主制作のアプリを紹介しながら、その変化を見ていきます。

動画AIと“会話”できた　返事が動画になる「FastH3 Date Chat」

　MiniMax H3を使い、セミリアルタイムに近い形で、動画生成だけでキャラクターと会話するシステムが作れないかと試してみました。登場するキャラクターとの次の会話の選択肢を選ぶか、テキストを入力するとそれに合わせた動画が高速生成され、連続した会話を続けることができるアプリ「FastH3 Date Chat」です。

FastH3 Date Chatの実行画面。筆者のGitHubにてコードは公開中

△FastH3 Date Chatの実行画面

　環境としては2台のPCを使っています。1台はRTX 4090搭載PCでMiniMax H3の高速生成モデル「FastH3」を起動し、もう1台はA6000搭載PCでグーグルのローカルLLMの「Gemma 4 12B」を接続して使っています。動画生成AIはどうしてもハイエンドPCが必要になりますが、ローカルLLMはもっと小さなモデルで動かせるので、そこまで高性能でなくても構いません。

　2つの選択肢のどちらかを選ぶか会話を入力すると、LLMにその内容が送られ、返答が作られ、それが動画化・再生され、次の選択肢とともに表示されるという仕組みです。動画生成を速くするために320x320という小さなサイズで生成していますが、LLMのテキスト生成に約5秒、5秒の動画生成に約9秒かかるため、一度入力してからレスポンスが戻ってくるまでは約14秒かかります。

　待ち時間があり、画質が粗いとしても、生成動画でのやりとりは、ウェブカメラで連絡をとっているような不思議な生々しさがあります。テキストと音声生成だけのチャットシステムにはない実在感が生まれてくるのが興味深いところです。