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

14.4秒の動画を11.23秒で生成　高画質を狙う「VDN MiniMax H3」も登場

　また、falとは別の高速化事例も登場してきました。

　9月3日、カリフォルニア大学バークレー校などの研究グループOpenVDNが「VDN MiniMax H3」という新しい高速化方式を発表しました。H3の画質を維持しながら、高速化を実現する方式です。768p・14.4秒の動画を、約11.23秒で生成できるとしています。

　H3のクラウドサービス版は、50ステップ（結果を生み出すための推論回数）で生成されていると推測されています。オープンウェイト版は20ステップが推奨されています。VDN H3は8ステップなのですが、高品質な結果を用いて蒸留学習が施されているため、ステップ数が少なくても、高品質な結果を生み出せるよう工夫されています。

　ただし、サーバの8台のB200 GPUに処理を分散する専用の並列化をすることで高速化を実現しており、通常のコンシューマ向けビデオカードではこの速度を出すことはできません。モデルはすでにComfyUI環境向けに移植されていますが、FastH3に比べて生成には3倍近くの時間がかかります。それでも、非常に高品質な生成結果を生み出すことができます。VDNには今後、コンシューマ向けビデオカード環境でのさらなる高速化が期待されます。

　クラウドサービスとしてはH3の高速化ではfalが強い状態ですが、新しい手法の登場で、より競争も激しくなりそうです。

VDNとFastH3の生成結果の比較。細部の品質はVDNが明確に高い

△各方式の比較動画