用人工智能生成視頻，是許多人樂于嘗試的應(yīng)用。但AI的技術(shù)缺陷也引來很多吐槽：“上一段視頻中生成的是張三，下一段視頻就變成了另一張臉。無論怎么調(diào)整，都無法讓兩段視頻的主角變成同一人。”人物角色一致性的難題，讓AI難以制作出同一人物角色、不同故事情節(jié)的短片，大大限制了AI生成視頻的應(yīng)用場景。
2025年1月，稀宇科技（MiniMax）發(fā)布的最新視頻模型化解了這一難題。用戶只需提供1張人物的正面照片，不論生成多少段風(fēng)格迥異的視頻，主角都是這個(gè)人。這讓網(wǎng)友驚呼，一張照片就能做電影，這不是夢！
在創(chuàng)業(yè)過程中，MiniMax始終堅(jiān)持技術(shù)驅(qū)動。動態(tài)視頻中如何保持人物面部多角度的真實(shí)度和穩(wěn)定性，如何保持人物角色高度一致……開發(fā)團(tuán)隊(duì)進(jìn)行了大量技術(shù)探索，比選不同的技術(shù)路徑，最后開發(fā)出S2V模型——只需傳統(tǒng)方案1%的輸入量和計(jì)算成本，“上傳1張圖片”的效果就足夠好。在3年多時(shí)間里，一次次迭代升級，文生視頻、圖生視頻、主體參考等功能持續(xù)優(yōu)化。這些創(chuàng)新，讓海螺AI視頻在激烈競爭中殺出重圍，用戶分布在全球超200個(gè)國家和地區(qū)。
在文生語音等功能上，MiniMax也走出了差異化路線。網(wǎng)友發(fā)現(xiàn)，MiniMax的語音功能竟然帶有情緒調(diào)節(jié)和效果器功能，AI生成的語音可以帶上開心、難過、生氣等情緒，這一創(chuàng)新讓有聲書和廣播劇的生產(chǎn)力大幅提升。“通用人工智能不是簡單的互聯(lián)網(wǎng)流量變化，而是計(jì)算范式的顛覆式創(chuàng)新，將會引領(lǐng)生產(chǎn)力、社會分工以及產(chǎn)業(yè)結(jié)構(gòu)的深刻變革。”MiniMax創(chuàng)始人閆俊杰說。
算力、算法和數(shù)據(jù)是人工智能發(fā)展的“鐵三角”。MiniMax創(chuàng)立之初，算力和數(shù)據(jù)十分有限，唯一選擇就是在算法上求突破。從2023年夏天開始，公司將80%的算力與研發(fā)資源投入底層架構(gòu)研發(fā)，這在外人看來就像一場豪賭。“我們在工程上遇到的很多問題，源于一片漆黑的未知。”公司技術(shù)團(tuán)隊(duì)在沒有成熟經(jīng)驗(yàn)可供借鑒的情況下，一次次試錯(cuò)，持續(xù)進(jìn)行摸索。一年后，公司成功推出基于MoE架構(gòu)的模型。今年1月，大規(guī)模實(shí)現(xiàn)線性注意力機(jī)制的MiniMax-01模型誕生，并逐漸為行業(yè)廣泛認(rèn)可。
“底層模型能力是決定大模型應(yīng)用成功與否的首要因素。”MiniMax副總裁劉華告訴記者，雖然照著現(xiàn)成的圖紙蓋樓相對容易，但圖紙的不足也會限制樓房的高度。我們選擇用自己的圖紙構(gòu)筑大廈，一開始或許慢一些，但希望能更好應(yīng)對未來的挑戰(zhàn)。底層架構(gòu)如同AI“新基建”，MiniMax-01模型突破了長文本處理瓶頸，可高效處理最長400萬token（詞元）的上下文。在工業(yè)領(lǐng)域，該模型可以快速解析百萬字設(shè)備日志，輔助故障診斷；在醫(yī)療場景，它可連續(xù)跟蹤患者數(shù)年病歷，生成個(gè)性化治療方案。最近兩年，大模型技術(shù)快速迭代，國際國內(nèi)AI行業(yè)都在白熱化競爭。底層模型一次重大迭代對產(chǎn)品帶來的優(yōu)化效果，會遠(yuǎn)超在工程實(shí)現(xiàn)層面對產(chǎn)品進(jìn)行“雕花”。這也是MiniMax始終緊盯模型本身，加速迭代升級的重要原因。
作為上海人工智能高地孵化的代表性企業(yè)，MiniMax的成長離不開這座城市獨(dú)特的文化和基因。上海匯聚了全球頂尖的AI人才，大量富有熱情的年輕人才，為產(chǎn)業(yè)快速發(fā)展提供了支撐。在MiniMax上海總部大樓，研發(fā)人員持續(xù)增多。不久前，上海推出人工智能“模塑申城”實(shí)施方案，在算力、場景、數(shù)據(jù)、人才方面推出一批有力舉措。上海還積極推動大模型企業(yè)與場景企業(yè)對接。以MiniMax為例，他們與小紅書合作打造生成式智能搜索，與閱文集團(tuán)合作將數(shù)千本小說變成超自然、高保真的有聲書等，通過相互賦能實(shí)現(xiàn)更快發(fā)展。閆俊杰相信，“真正有價(jià)值的事，不是當(dāng)前做得怎么樣，而是技術(shù)進(jìn)化的速度。”
用人工智能生成視頻，是許多人樂于嘗試的應(yīng)用。但AI的技術(shù)缺陷也引來很多吐槽：“上一段視頻中生成的是張三，下一段視頻就變成了另一張臉。無論怎么調(diào)整，都無法讓兩段視頻的主角變成同一人。”人物角色一致性的難題，讓AI難以制作出同一人物角色、不同故事情節(jié)的短片，大大限制了AI生成視頻的應(yīng)用場景。
2025年1月，稀宇科技（MiniMax）發(fā)布的最新視頻模型化解了這一難題。用戶只需提供1張人物的正面照片，不論生成多少段風(fēng)格迥異的視頻，主角都是這個(gè)人。這讓網(wǎng)友驚呼，一張照片就能做電影，這不是夢！
在創(chuàng)業(yè)過程中，MiniMax始終堅(jiān)持技術(shù)驅(qū)動。動態(tài)視頻中如何保持人物面部多角度的真實(shí)度和穩(wěn)定性，如何保持人物角色高度一致……開發(fā)團(tuán)隊(duì)進(jìn)行了大量技術(shù)探索，比選不同的技術(shù)路徑，最后開發(fā)出S2V模型——只需傳統(tǒng)方案1%的輸入量和計(jì)算成本，“上傳1張圖片”的效果就足夠好。在3年多時(shí)間里，一次次迭代升級，文生視頻、圖生視頻、主體參考等功能持續(xù)優(yōu)化。這些創(chuàng)新，讓海螺AI視頻在激烈競爭中殺出重圍，用戶分布在全球超200個(gè)國家和地區(qū)。
在文生語音等功能上，MiniMax也走出了差異化路線。網(wǎng)友發(fā)現(xiàn)，MiniMax的語音功能竟然帶有情緒調(diào)節(jié)和效果器功能，AI生成的語音可以帶上開心、難過、生氣等情緒，這一創(chuàng)新讓有聲書和廣播劇的生產(chǎn)力大幅提升。“通用人工智能不是簡單的互聯(lián)網(wǎng)流量變化，而是計(jì)算范式的顛覆式創(chuàng)新，將會引領(lǐng)生產(chǎn)力、社會分工以及產(chǎn)業(yè)結(jié)構(gòu)的深刻變革。”MiniMax創(chuàng)始人閆俊杰說。
算力、算法和數(shù)據(jù)是人工智能發(fā)展的“鐵三角”。MiniMax創(chuàng)立之初，算力和數(shù)據(jù)十分有限，唯一選擇就是在算法上求突破。從2023年夏天開始，公司將80%的算力與研發(fā)資源投入底層架構(gòu)研發(fā)，這在外人看來就像一場豪賭。“我們在工程上遇到的很多問題，源于一片漆黑的未知。”公司技術(shù)團(tuán)隊(duì)在沒有成熟經(jīng)驗(yàn)可供借鑒的情況下，一次次試錯(cuò)，持續(xù)進(jìn)行摸索。一年后，公司成功推出基于MoE架構(gòu)的模型。今年1月，大規(guī)模實(shí)現(xiàn)線性注意力機(jī)制的MiniMax-01模型誕生，并逐漸為行業(yè)廣泛認(rèn)可。
“底層模型能力是決定大模型應(yīng)用成功與否的首要因素。”MiniMax副總裁劉華告訴記者，雖然照著現(xiàn)成的圖紙蓋樓相對容易，但圖紙的不足也會限制樓房的高度。我們選擇用自己的圖紙構(gòu)筑大廈，一開始或許慢一些，但希望能更好應(yīng)對未來的挑戰(zhàn)。底層架構(gòu)如同AI“新基建”，MiniMax-01模型突破了長文本處理瓶頸，可高效處理最長400萬token（詞元）的上下文。在工業(yè)領(lǐng)域，該模型可以快速解析百萬字設(shè)備日志，輔助故障診斷；在醫(yī)療場景，它可連續(xù)跟蹤患者數(shù)年病歷，生成個(gè)性化治療方案。最近兩年，大模型技術(shù)快速迭代，國際國內(nèi)AI行業(yè)都在白熱化競爭。底層模型一次重大迭代對產(chǎn)品帶來的優(yōu)化效果，會遠(yuǎn)超在工程實(shí)現(xiàn)層面對產(chǎn)品進(jìn)行“雕花”。這也是MiniMax始終緊盯模型本身，加速迭代升級的重要原因。
作為上海人工智能高地孵化的代表性企業(yè)，MiniMax的成長離不開這座城市獨(dú)特的文化和基因。上海匯聚了全球頂尖的AI人才，大量富有熱情的年輕人才，為產(chǎn)業(yè)快速發(fā)展提供了支撐。在MiniMax上海總部大樓，研發(fā)人員持續(xù)增多。不久前，上海推出人工智能“模塑申城”實(shí)施方案，在算力、場景、數(shù)據(jù)、人才方面推出一批有力舉措。上海還積極推動大模型企業(yè)與場景企業(yè)對接。以MiniMax為例，他們與小紅書合作打造生成式智能搜索，與閱文集團(tuán)合作將數(shù)千本小說變成超自然、高保真的有聲書等，通過相互賦能實(shí)現(xiàn)更快發(fā)展。閆俊杰相信，“真正有價(jià)值的事，不是當(dāng)前做得怎么樣，而是技術(shù)進(jìn)化的速度。”
本文鏈接：MiniMax緊盯底層模型加速迭代http://m.sq15.cn/show-2-10792-0.html
聲明：本網(wǎng)站為非營利性網(wǎng)站，本網(wǎng)頁內(nèi)容由互聯(lián)網(wǎng)博主自發(fā)貢獻(xiàn)，不代表本站觀點(diǎn)，本站不承擔(dān)任何法律責(zé)任。天上不會到餡餅，請大家謹(jǐn)防詐騙！若有侵權(quán)等問題請及時(shí)與本網(wǎng)聯(lián)系，我們將在第一時(shí)間刪除處理。