每經(jīng)記者 陳婷    每經(jīng)編輯 文多    

向來低調(diào)的AI獨角獸企業(yè)“MiniMax”公布了最新的業(yè)務(wù)進(jìn)展。

在周末（8月31日）舉行的“2024 MiniMax Link伙伴日”活動上，MiniMax創(chuàng)始人閆俊杰宣布推出音樂生成模型與視頻生成模型。

圖片來源：每經(jīng)記者 陳婷 攝

在接受包括《每日經(jīng)濟(jì)新聞》等媒體的記者采訪時，閆俊杰表示，在視頻方面，這次MiniMax取得了很大的進(jìn)展。“這個東西只是我們的第一版，很快還會有更新的版本，我們的策略是再等一兩周，等新的東西出來，到了一個更加滿意的狀態(tài)之后，可能會考慮一些商業(yè)化，把好的技術(shù)開放給廣大的開發(fā)者和B端客戶使用。” 閆俊杰介紹說。

MiniMax音樂生成模型與視頻生成模型已經(jīng)在開放平臺和“海螺AI”網(wǎng)頁版上線。此外，記者從MiniMax處了解到，采用新一代技術(shù)的“abab7”系列文本模型也將于未來數(shù)周內(nèi)正式發(fā)布。

在海螺AI網(wǎng)頁版，記者體驗了視頻生成模型。輸入一段簡單的創(chuàng)意描述內(nèi)容之后，該模型可在1到2分鐘內(nèi)輸出一個包含描述內(nèi)容的視頻。

今年5月，MiniMax宣布上架了C端產(chǎn)品“海螺AI”，其1秒內(nèi)可處理近3萬字的文本，進(jìn)行書籍、長篇報告、學(xué)術(shù)論文等長篇內(nèi)容的閱讀、分析和文本寫作。此外，MiniMax在AI內(nèi)容社區(qū)上已經(jīng)有所建樹。針對國外和國內(nèi)市場，分別推出了“Talkie”和“星野”。

“為什么我們推出比‘可靈’（快手推出的AI創(chuàng)意生產(chǎn)力平臺）要晚一兩個月？”閆俊杰表示，核心在于MiniMax在解決一個更難的技術(shù)問題，即如何“原生訓(xùn)練”算力比較高的東西。

知名風(fēng)投機(jī)構(gòu)“a16z”最新發(fā)布的《Top100消費級生成式AI應(yīng)用》移動應(yīng)用榜單中，Talkie位列22位。另據(jù)MiniMax提供的數(shù)據(jù)，MiniMax每日與全球用戶進(jìn)行超30億次交互，處理超3萬億文本token（詞元）、2000萬張圖片和7萬小時語音。

先后獲得騰訊、阿里投資

在本次公開發(fā)布之前，MiniMax對外交流并不多，此前受到的普遍關(guān)注也與融資進(jìn)展有關(guān)。

天眼查顯示，2024年3月，MiniMax背后的上海稀宇極智科技有限公司完成了B輪的6億美元融資，投資方為阿里巴巴，其估值達(dá)到25億美元。此前的2023年6月，MiniMax完成了超2.5億美元的A輪融資，投資方為騰訊投資。

作為一家大廠連續(xù)加碼的AI獨角獸，MiniMax已經(jīng)推出了多款產(chǎn)品。

以星野為例，資料顯示，作為MiniMax旗下的AI原生應(yīng)用，其致力于為用戶打造沉浸式AI內(nèi)容社區(qū)，于2023年9月上線。

閆俊杰透露，星野這樣的產(chǎn)品，其底層設(shè)計并不是陪伴用戶聊天，底層設(shè)計實際上是一個內(nèi)容社區(qū)。在其中，可以有一些用戶創(chuàng)建一些角色，此外，現(xiàn)在也提供了更復(fù)雜的工具，用戶可以在里面創(chuàng)建故事、創(chuàng)作世界觀。同時另外一些用戶可以根據(jù)創(chuàng)造的世界觀進(jìn)行互動。

在發(fā)布星野之前，MiniMax已經(jīng)于去年6月發(fā)布出海產(chǎn)品Talkie。根據(jù)數(shù)據(jù)分析公司Sensor Tower的數(shù)據(jù)，Talkie在美國免費娛樂類應(yīng)用榜上排名第五，全球月活躍用戶數(shù)已達(dá)1100萬。此外，根據(jù) 智能服務(wù)商QuestMobile 數(shù)據(jù)，星野活躍率達(dá)到25.7%，月人均使用天數(shù)為7.7天。

值得一提的是，據(jù)媒體報道，谷歌花費了數(shù)十億美元，吸納了聊天機(jī)器人初創(chuàng)公司“Character.AI” 的聯(lián)合創(chuàng)始人諾姆·沙澤爾、丹尼爾·德弗雷塔斯，以及研發(fā)人員約30名，并與Character.AI達(dá)成了許可協(xié)議。同時，谷歌將以25億美元的估值收購Character.AI投資者的股票。

關(guān)于海外業(yè)務(wù)的進(jìn)展，MiniMax國際業(yè)務(wù)總經(jīng)理盛靜遠(yuǎn)對記者表示，很早之前Character.AI是比較有名的。“現(xiàn)在他的核心團(tuán)隊被谷歌收走之后，我們成了賽道的扛大旗者，我們在做的事情是不斷地破圈。我們做的不是陪聊，也不是AI的情感陪伴，就是新一代的內(nèi)容生成平臺。”盛靜遠(yuǎn)說道。

此外，今年5月，“海螺AI”也已經(jīng)上線。據(jù)MiniMax官方公眾號披露，海螺AI背后接入了 MiniMax自研的多模態(tài)大模型，包括萬億參數(shù)MoE（混合專家）大語言模型 “abab6.5”，語音大模型和圖像大模型。這些技術(shù)讓海螺AI可以在1秒內(nèi)處理近3萬字的文本。

閆俊杰表示，星野的用戶畫像以二三線城市居民為主，年齡在17歲到25歲之間。據(jù)他透露，海螺用戶畫像更泛一些，因為海螺本來就是工具型的產(chǎn)品。

就商業(yè)化進(jìn)展等問題，閆俊杰回復(fù)稱，整個公司的商業(yè)化基本上分成兩個形式，其中的一個形式就是MiniMax開放平臺，它目前擁有超過3萬名企業(yè)客戶和開發(fā)者。此外，閆俊杰表示，MiniMax的產(chǎn)品里面也有廣告的機(jī)制，廣告本身也可以進(jìn)行商業(yè)化的變現(xiàn)。

他認(rèn)為，在目前的階段，最重要的東西還不是商業(yè)化，是技術(shù)能達(dá)到廣泛“可用”的程度。

切入視頻生成模型混戰(zhàn)

2024 年以來，AI 視頻生成模型正在加速涌現(xiàn)。

2024年2月，OpenAI 的視頻生成大模型 Sora 橫空出世，可輸出長達(dá)60秒的視頻，不僅能準(zhǔn)確呈現(xiàn)細(xì)節(jié)，還能理解物體在物理世界中的存在，被視為視頻創(chuàng)作領(lǐng)域里程碑式的產(chǎn)品。

根據(jù)興業(yè)證券相關(guān)研報統(tǒng)計，年中以來，中國自研視頻生成大模型也在加速涌現(xiàn)。

當(dāng)前，“即夢”（抖音旗下）、“可靈”（快手旗下）、“清影”（智譜旗下）等產(chǎn)品已對公眾開放，在幀率、視頻時長、清晰度等層面接近或超過了海外已開放的主流視頻大模型，并且實現(xiàn)了背景音樂、首尾幀、視頻延長、口型驅(qū)動等技術(shù)集成。

對于切入視頻生成模型混戰(zhàn)的原因，閆俊杰表示，MiniMax一直以來的目標(biāo)是要做動態(tài)的輸出。

“我們每天看的大部分內(nèi)容，都不是文字，而是一些動態(tài)的東西。打開小紅書都是圖文，打開抖音都是視頻，甚至打開拼多多買東西，大部分時候也是圖片。”閆俊杰表示，為了能夠有非常高的用戶覆蓋度，有非常高的使用深度，唯一的辦法是能夠輸出動態(tài)的內(nèi)容，而不是輸出單純基于文字的內(nèi)容。

閆俊杰透露，其實（MiniMax）很早就做出來了圖片，只是現(xiàn)在技術(shù)變得更強(qiáng)，把視頻也做了出來。“這個路線是一以貫之的，一定要能夠做多模態(tài)。”

閆俊杰也提到，做視頻生成模型的工作復(fù)雜度比文本更難，因為視頻的Context（上下文的文本）天然很長。其次，視頻量很大，比如一個5秒的視頻，大小可能有幾兆，但是5秒的文字，大小可能都不到1K，這是幾千倍的存儲差距。

“這里面的挑戰(zhàn)在于，之前基于文本而構(gòu)建的這套底層基礎(chǔ)設(shè)施怎么處理數(shù)據(jù)、怎么清洗數(shù)據(jù)、怎么來標(biāo)注。（但這些）對視頻都不太適用，意味著基礎(chǔ)設(shè)施也需要升級。”閆俊杰說。

興業(yè)證券的相關(guān)研報提及，AI生成視頻模型已在短劇領(lǐng)域取得顯著成果，未來有望賦能對畫面的精度和時長要求更高的長視頻和電影。

北京社科院副研究員王鵬對《每日經(jīng)濟(jì)新聞》記者表示，隨著短視頻、直播等新型媒體形式的興起，視頻內(nèi)容的需求量急劇增加。視頻生成模型能夠滿足這一需求，為內(nèi)容創(chuàng)作者提供高效、低成本的視頻制作工具。

值得一提的是，作為創(chuàng)業(yè)公司，MiniMax會不可避免地與大廠進(jìn)行正面競爭。

對此，閆俊杰表示：“當(dāng)開始意識到那些比你大好多倍的公司都開始跟你競爭的時候，就意識到有些東西是沒用的，因為在那些東西上，大廠比你強(qiáng)百倍千倍，我們能做的就是（把）有可能變強(qiáng)的事無限地放大。”

對于這“可能變強(qiáng)的事”，他提到了兩點，一是技術(shù)如何提升，二是如何跟用戶做更好的共創(chuàng)，“這兩點都需要一些非常關(guān)鍵的判斷，需要非常長期的積累”。