何が起きたか
新しい動画モデル Hailuo 02 を公開した。1080p の生成に対応し、768p-6秒、768p-10秒、1080p-6秒の3種類を Web、モバイルアプリ、API で提供する。新しい構造で学習と推論の効率を2.5倍にし、パラメータ数を前のモデルの3倍にしたとしている。
新しい動画モデル Hailuo 02 を公開した。1080p の生成に対応し、768p-6秒、768p-10秒、1080p-6秒の3種類を Web、モバイルアプリ、API で提供する。新しい構造で学習と推論の効率を2.5倍にし、パラメータ数を前のモデルの3倍にしたとしている。
MiniMax の動画生成AI「Hailuo AI」は日本語の画面で使え、最新の MiniMax H3 は音声つきの動画を最長15秒、最大2Kで作る。始め方、API の1秒ごとの料金、仕事のプロンプト6例、利用規約の商用の扱いをまとめた。
Hailuo AIMiniMax の Hailuo AI と Kuaishou の Kling を比べた。Kling は月$8.8の Standard から料金を公開し、Hailuo AI の API は1秒$0.025からだ。長さと商用利用の条件も比べた。
Hailuo AI依頼を解釈し、コードベースを調べ、問題を直しながら自律的に作業する Agent Mode をベータ公開した。6月30日から段階的に提供し、利用量に応じたクレジット消費になる。
ブラウザで動く音楽制作ソフト(DAW)の WavTool を買収した。チームは Suno の製品と開発の要職に就いた。
画像編集モデル Kontext の重み公開版を出した。12Bパラメータで、ライセンスは FLUX.1 Non-Commercial License。Hugging Face で配布している。
すべての KLING 動画モデルが、動画の長さと内容に合う効果音つきの出力に対応した。動画から音を作る Video to Audio も加わり、1.6 には Motion Control がベータで入った。
GoogleがGeminiをターミナルから使うオープンソースのAIエージェントGemini CLIを公開した。自然言語によるコードの理解や編集などに対応し、個人向けの無料利用枠も設けた。
生成した画像を Animate ボタンで動かす画像から動画への機能。1回で5秒の動画4本ができ、約4秒ずつ延長できる。費用は画像ジョブの約8倍と説明された。