FlowTune Media

5秒の動画を3秒で作るAIが現れた — チャットで指示しながら"無限配信"できるfal H3 Max

falAI動画MiniMax速報

「動画生成AI」と聞いて多くの人が思い浮かべるのは、プロンプトを投げて数分待つ、あの体験だろう。falが9月1日に公開したH3 Maxは、その前提を静かに壊しにきた。

5秒・768pの音声同期クリップを、3秒未満で吐き出す。つまり、動画を作り終える前に再生のほうが追いついてしまう。「faster-than-real-time（再生より速い生成）」というのが、falが繰り返し使っているキーワードだ。公式によれば、本家MiniMax H3のエンドポイントと比べておよそ35倍のスループットだという。

そもそもH3 Maxとは何なのか

ベースになっているのは、中国のMiniMaxが公開したオープンウェイトの動画モデル「H3」。ローカル生成コミュニティで最も使われているモデルのひとつになっていた土台だ。falはこれをポストトレーニング（追加学習）してプロンプト追従性と画質を底上げし、そのうえでモデル専用に作り込んだ推論エンジンで速度を叩き出した。要するに、良い素材を借りてきて、速さで別物に仕上げたわけだ。

出自を隠さずオープンモデルの上に乗っているのは好感が持てる。派手な自社モデルの発表ではなく、既存の資産を磨いて実用速度に届かせた——という地に足のついたアプローチだ。実際、Artificial AnalysisとDesign Arenaのランキングでいずれも1位につけている。

本当の目玉は「Director」のほう

速いだけなら、正直そこまで驚かない。面白いのは「Live/Director」と呼ばれる派生版だ。

Directorは自己回帰型（autoregressive）の連続生成バージョンで、最大2分ほどのコンテキストを保持する。何がすごいかというと、生成しながらチャットで指示を足していける。「次はキャラクターを右に歩かせて」「雨を降らせて」——そうやって口を出しつつ、登場人物や背景、物語の連続性を保ったまま映像が途切れず流れ続ける。fal.liveという配信基盤がこのDirectorで動いている。

一枚のクリップを作る作業が、ライブで映像を"演出し続ける"行為に変わる。この転換は地味に大きいと思う。

リアルタイムになると、何が変わるのか

生成が再生に追いつくと、動画AIは「制作ツール」から「配信メディア」に足を踏み入れる。

まず思い浮かぶのがライブ配信だ。視聴者コメントを拾ってその場で映像を変えていく、という無限ストリームが成立する。今年バズったlevelsio（Pieter Levels）の「Infinite Slop」や、AIが延々と回し続ける無限Seinfeld配信のような遊びが、いよいよ実用的なインフラの上に乗る段階に来た。

もっと実務的な使い道もある。ゲームのカットシーンをプレイヤーの選択に合わせてその場で生成する、あるいはインタラクティブな教育コンテンツで質問に応じて映像が分岐する——こうした「事前に全部作っておく」ことが不可能だった体験が、条件次第で射程に入ってくる。応答速度が人間の会話テンポに追いつくなら、映像版のチャットボットのようなものすら作れるかもしれない。

料金と、正直な引っかかり

料金は秒単価。プロモーション価格で480pが$0.025/秒、768pが$0.04/秒（通常は$0.05／$0.08なので半額）。5秒のクリップなら$0.20、日本円でおよそ30円。30秒でも$1.20（約180円）で、SNS投稿用の短尺なら気軽に回せる水準だ。ログイン不要で1日数本まで無料で試せる枠もあるので、まず触ってみるハードルは低い。

一方で、手放しに褒めるには早い。5秒・768pという制約は、あくまで「速さと引き換え」に成立している数字だ。長尺や高解像度をそのまま同じ速度で、という話ではない。連続生成の要であるDirectorのコンテキストは約2分どまりで、それを超えて物語の一貫性が保てるのかは未知数。しかもこのDirector部分はfal独自のまま非公開になる見込みで、ベースがオープンモデルであることの旨味（自分で回す、改造する）は、この一番おいしい機能には及ばない。

それでも、動画生成の体験そのものを「待つもの」から「触るもの」へ組み替えた点で、H3 Maxは今週いちばん見ておく価値のあるリリースだった。速さがある閾値を超えると、道具は用途ごと変わる——そのことを久しぶりに実感させてくれた。

関連記事:

関連記事