AI 스타트업 미니맥스(MiniMax)가 텍스트와 이미지를 고품질 AI 비디오 클립으로 변환하는 새로운 모델 'H3'를 공식 출시했습니다. 이 모델은 4초에서 15초 길이의 영상을 768P 및 2K 해상도로 생성할 수 있으며, 텍스트와 이미지는 물론 기존 영상 및 오디오까지 참조(reference)로 활용하는 멀티모달(multimodal) 기능을 지원합니다. 특히 영상과 함께 스테레오 오디오를 생성하고 립싱크(lip sync)까지 지원하여 더욱 자연스러운 결과물을 제공합니다.
미니맥스 H3는 텍스트 프롬프트(prompt)를 통해 주체, 행동, 카메라 움직임, 조명, 대화, 분위기 등을 상세히 묘사하여 영상을 만들 수 있습니다. 또한 정지 이미지 한 장을 업로드하여 영상의 구도나 캐릭터, 제품의 첫 프레임을 정의하고, 여기에 카메라 움직임이나 주체 움직임을 추가하는 것도 가능합니다. 기존의 영상이나 오디오를 참조로 활용하면 얼굴, 의상, 장소, 목소리 톤 등 세부적인 요소를 일관성 있게 유지할 수 있어, 복잡한 설명을 줄이고 원하는 결과물을 얻는 데 도움을 줍니다. 생성된 영상의 특정 부분(캐릭터, 배경, 대화 등)을 지시 기반 편집(instruction-based editing)으로 수정할 수 있는 기능도 제공됩니다.
미니맥스 H3의 출시는 콘텐츠 제작 방식에 큰 변화를 가져올 잠재력을 지니고 있습니다. 콘텐츠 크리에이터와 소셜 미디어 담당자는 짧은 광고, 제품 티저, 대화 장면 등을 빠르게 제작하여 아이디어를 시각화할 수 있습니다. 마케팅 팀은 승인된 제품 사진이나 캠페인 이미지를 움직이는 영상으로 변환하여 다양한 카메라 움직임, 사운드 디자인, 현지화된 대화 등을 테스트하며 캠페인 방향을 신속하게 비교할 수 있습니다. 또한 영화 제작자와 스튜디오는 프리비주얼라이제이션(previsualization), 무드 보드 제작, 장면 블로킹(shot blocking) 등 초기 기획 단계에서 H3를 활용하여 제작 효율성을 높일 수 있습니다. 개발자들은 공식 API를 통해 H3를 자신들의 서비스에 통합하여 새로운 생성형 인터페이스나 미디어 관리 워크플로우를 구축할 수 있습니다.