MiniMax H3のオープンウェイト公開:ローカルで実際に動かせるもの
8月上旬、MiniMaxはH3動画モデルのウェイトをHugging Faceで公開しました。これでステレオサウンド付きの動画を自分のマシンで生成できるようになりました。サブスクリプションも生成ごとのAPI料金も不要です。ただし、数百ギガバイトのダウンロードを始める前に2点押さえておきたいことがあります。フル2Kパイプラインはオープンリリースに含まれていないこと、そしてライセンスがすべての人、すべての地域での利用を許可しているわけではないことです。
実際に公開されたもの
MiniMax-H3リポジトリには2つのタスク別チェックポイントが含まれています。FL2VAはテキストから音声付き動画を生成し、フレームをアニメーション化できます。最初のフレーム、最後のフレーム、またはその両方を指定可能です。Ref2VAは参照から動画を構築します。1回のリクエストで最大9枚の画像、3本の動画、3つの音声ファイルを含められるため、キャラクターの外見、カメラの動き、スタイル、声をそれぞれ別々の例で指定できます。コアは330億パラメータの密なtransformerで、ウェイトはBF16で公開されており、リポジトリ全体で約288GBの容量です。
モデルができること
H3はテキスト、画像、動画、音声を入力として受け取り、24fpsで4〜15秒の動画を生成します。モデル自身が合成するステレオ音声が組み込まれており、映像と同期しています。ベース解像度は短辺768pです。音声はここでは別の処理段階ではなく、同じモデルの一部です。声や音楽のリズムを参照で設定でき、これが通常のワークフローを大きく変えています。
2Kについて—重要な注意点
宣伝されている2Kはパイプラインのオープン部分から来ているものではありません。Regenerate-2Kという別のモジュールが解像度向上を担当しますが、MiniMaxはこれを公開していません。2Kへの公式ルートは、ローカルで生成した768pの結果を同社のクラウドAPIに送り返すことです。複雑なプロンプトと参照の組み合わせを解析するContext-IRモジュールもオープンではありません。つまり「すべてをローカルで実行する」は現状「ベース生成を実行する」を意味します。
普通のコンピュータで動くのか
ComfyUIチームは公開初日からサポートを追加し、実行を大幅に最適化しました。変調ウェイト(全パラメータの約40%)をコンパクトなルックアップテーブルに置き換え、int8量子化で合計フットプリントを123.6GBから42.5GBに縮小しました。システムRAMへの動的オフロードと組み合わせることで、RTX 3060のような控えめなカードでもモデルを実行できます。コミュニティはさらに進んでいます。5〜6GBのVRAMを持つカード向けのWanGP設定が登場し、アグレッシブなRAMオフロード、解像度削減、短い動画に長い時間をかける方式を採用しています。これらはコミュニティレシピであり、公式要件ではないことに注意してください。ディテールは柔らかくなり、安定性はRAMサイズとディスク速度に依存します。フル品質を求めるなら、開発者はRTX 5090のような最上位カードを推奨しています。
ライセンス:通常の意味でのオープンソースではない
ウェイトはオープンですが、条件付きのCommunity Licenseの下で配布されています。年間収益2,000万ドル未満の企業は商用利用が可能です。それより大きな企業は別途契約が必要です。そして決定的に重要なのが地理的制限です。このライセンスは米国、欧州連合、英国、韓国のみをカバーしており、その他の地域での利用にはMiniMaxからの書面による許可が必要です。「オープンウェイト」が正確な用語であり、「完全なオープンソース」ではありません。
本当にローカル実行が必要なのは誰か
セルフホストインスタンスが意味を持つのは、プライバシー、大量生成、独自データでのファインチューニングが重要な場合です。これこそがオープンウェイトが可能にすることです。GPUファームや環境構築の手間なしに、素早く高品質な動画が欲しいだけなら、クラウドの方が簡単です。NeuralSpaceの動画セクションでは数クリックで動画を生成でき、H3自体ができることについては別のレビュー記事で取り上げています。
FAQ
MiniMax H3に必要なGPUは?
快適な作業には、大容量メモリを搭載した最上位カードが必要です。実際にはComfyUIとWanGPを通じて6GBのVRAMでもベース生成を実行している人がいますが、解像度と速度を犠牲にします。短い動画でも10〜15分かかることがあります。
H3を商用利用できますか?
できます。ただし会社の年間収益が2,000万ドル未満であることがCommunity Licenseの条件です。それより大きな組織はMiniMaxとの別途契約が必要です。
なぜH3は完全にオープンソースではないのですか?
パイプラインのベース部分のみがオープンです。2Kへのアップスケーリングと複雑な参照の解析を行うモジュールはクローズドのままで、ライセンスは商用利用と地域を制限しています。