8月31日，低調(diào)的AI領(lǐng)域佼佼者MiniMax在上海舉辦了首次公開的“MiniMax Link伙伴日”活動，正式對外展示了其創(chuàng)新成果。活動上，MiniMax的創(chuàng)始人閆俊杰隆重推出了公司的視頻生成模型video-1和音樂模型，并預(yù)告了即將在未來數(shù)周內(nèi)發(fā)布的全新大模型abab7，該模型在速度和效果上均對標行業(yè)領(lǐng)先的GPT-4o。

video-1視頻生成模型作為此次發(fā)布會的亮點之一，雖未詳盡披露具體技術(shù)細節(jié)，但閆俊杰強調(diào)其高壓縮率、優(yōu)異的文本響應(yīng)能力和多樣化的風(fēng)格特點，能夠生成原生高清、高幀率的視頻內(nèi)容。目前，video-1已實現(xiàn)文本到視頻的轉(zhuǎn)換，并計劃在未來迭代中增加圖像轉(zhuǎn)視頻、視頻編輯及更高級別的可控性功能。現(xiàn)場演示中，用戶通過簡單輸入提示詞，僅需1-2分鐘即可生成6秒的視頻片段，展現(xiàn)出良好的應(yīng)用潛力和用戶體驗。

在隨后的討論中，閆俊杰深入探討了AI大模型領(lǐng)域的諸多未解之題，包括商業(yè)模式（2B vs 2C）、市場定位（國內(nèi) vs 海外）以及Scaling law的適用性等。他指出，盡管存在諸多分歧，但視頻生成已成為行業(yè)內(nèi)普遍認可的發(fā)展方向。自年初OpenAI推出Sora視頻大模型以來，各大廠商紛紛跟進，視頻生成模型的快速涌現(xiàn)標志著該領(lǐng)域的蓬勃發(fā)展。

閆俊杰進一步闡述了MiniMax布局視頻生成的戰(zhàn)略考量。他認為，隨著信息時代的發(fā)展，多模態(tài)內(nèi)容已成為人類獲取信息的主要方式，視頻和語音交互的重要性日益凸顯。為了提升用戶覆蓋度和使用深度，大模型廠商必須能夠輸出多模態(tài)內(nèi)容，而不僅僅是文本。因此，MiniMax在已有的文字、聲音和圖片生成能力基礎(chǔ)上，向視頻生成領(lǐng)域邁進，是順應(yīng)時代潮流的必然選擇。

然而，他也坦誠地指出了視頻生成領(lǐng)域的諸多挑戰(zhàn)。目前的視頻生成結(jié)果尚難以完全滿足用戶期望，模型在理解物理規(guī)則和生成控制方面存在不足。此外，視頻生成所需的數(shù)據(jù)量巨大，處理復(fù)雜度遠高于文本生成，對基礎(chǔ)設(shè)施和算法提出了更高要求。閆俊杰強調(diào)，解決這些問題需要耐心和持續(xù)的技術(shù)創(chuàng)新，同時也需要行業(yè)內(nèi)外的共同努力和合作。

未來，啟明創(chuàng)投等投資機構(gòu)對視頻生成領(lǐng)域的發(fā)展充滿信心。他們認為，隨著技術(shù)的不斷進步和3D能力的融入，可控的視頻生成將在影視、動畫等領(lǐng)域引發(fā)生產(chǎn)模式的深刻變革。同時，圖像和視頻隱空間表示的壓縮率提升也將極大提高生成速度和質(zhì)量，為視頻生成技術(shù)的廣泛應(yīng)用奠定堅實基礎(chǔ)。