MiniMax dévoile l'agent vidéo et la conception vocale Hailuo, élargissant ainsi ses capacités d'IA multimodale

Entreprise chinoise d'IA MiniMax a annoncé le lancement de l'agent vidéo Hailuo en phase bêta. Cette application, pilotée par l'IA, convertit d'un simple clic des messages textes ou images en courts clips vidéo de haute qualité. Elle exploite des techniques avancées telles que la simulation physique image par image, les messages basés sur le mouvement et l'analyse multimodale pour proposer du contenu vidéo créatif dans un format accessible. 

Cette version bêta marque le début du parcours de développement du produit, en introduisant des capacités créatives précoces conçues pour stimuler l'idéation et signaler le début d'une nouvelle ère dans la génération de vidéos IA.

La plateforme permet aux utilisateurs de sélectionner un style d'agent créatif préféré, de décrire leur idée en utilisant un langage simple sans aucune connaissance technique, puis de recevoir une vidéo entièrement rendue et soignée générée par l'agent Hailuo.

L'agent vidéo Hailuo est développé en trois étapes distinctes. La première étape comprend des modèles d'agent vidéo prédéfinis qui génèrent des vidéos créatives et de haute qualité à partir de textes ou d'images soumis par les utilisateurs, en une seule commande. 

La deuxième étape introduira des agents vidéo semi-personnalisables, permettant aux utilisateurs de modifier tous les aspects du processus de création vidéo, y compris le script, les visuels et la voix off. La troisième étape proposera un agent vidéo de bout en bout, entièrement autonome, capable de transformer les contributions créatives en vidéo finale avec une intervention manuelle minimale.

MiniMax a déclaré qu'elle avait l'intention de mettre en œuvre progressivement la deuxième étape des outils de création d'agents au cours de l'été.

MiniMax a également dévoilé Voice Design, un modèle avancé de synthèse vocale « zero-shot » qui utilise un encodeur de locuteur apprenable pour reproduire fidèlement le timbre vocal d'une voix de référence sans nécessiter de transcription. Cette technologie permet une synthèse vocale expressive et de haute qualité, avec notamment des capacités de clonage vocal en une seule fois. Elle prend en charge 32 langues et offre des fonctionnalités sophistiquées telles que la modulation des émotions et la personnalisation vocale de qualité professionnelle, ce qui témoigne d'une avancée significative dans la génération vocale multilingue et adaptative.

MiniMax lance le MiniMax-M1 LLM et le modèle vidéo Hailuo 02

MiniMax est une start-up d'IA reconnue comme l'une des entreprises émergentes les plus importantes de Chine. L'entreprise est spécialisée dans le développement de systèmes d'IA multimodaux à grande échelle, intégrant la génération de texte, de voix, d'images et de vidéos, notamment son modèle vidéo Hailuo. 

Son infrastructure permet la production de milliards de jetons texte et de millions de segments vidéo. MiniMax bénéficie du soutien d'investisseurs importants tels qu'Alibaba, Tencent et IDG, et fait partie d'un groupe restreint de startups chinoises d'IA à forte croissance, souvent appelées les « Petits Dragons », qui ont collectivement attiré d'importants capitaux-risqueurs au cours de l'année écoulée. 

La semaine dernière, l'entreprise a lancé plusieurs nouvelles technologies, dont un modèle de langage étendu (LLM) baptisé MiniMax-M1, présenté comme plus performant que d'autres modèles propriétaires en Chine et qui surpasserait le modèle R1-0528 de DeepSeek lors de divers tests de performance. De plus, MiniMax a lancé une nouvelle version de son outil de génération vidéo. Hailuo 02 , qui offre une résolution native de 1080p, une meilleure conformité aux instructions de l'utilisateur et des capacités améliorées de simulation d'environnements physiques complexes.