FalのH3 Max Live、再生より速い動画生成を実現

35倍高速化の発表

Falは、Minimaxが先月公開した動画生成モデルH3を、ポストトレーニングによってコストと品質の両面で改良しました。さらに、自社の推論エンジン向けに最適化を施し、公式エンドポイントと比較して約35倍の速度を実現したとみられます。この結果、動画を再生するよりも速く新しい動画を生成できるようになりました。

従来、画像や動画の生成には時間がかかるのが常識とされてきました。生成AIメディアの歴史を通じて、この待ち時間は避けられない制約とみなされてきたため、今回の成果はその前提を覆すものです。

リアルタイム生成の意味

従来の技術では、たとえ高速化技術を使っても、30秒分の動画を1秒で生成した場合、得られるのはせいぜい1FPSの映像でした。人間が自然だと感じる動画の滑らかさには遠く及ばず、リアルタイム動画生成は事実上不可能とされていました。

Falの取り組みが新しいのは、モデルのポストトレーニングと推論エンジンの最適化というソフトウェア面の改善だけで、この壁を乗り越えた点です。専用ハードウェアや大規模なインフラ投資ではなく、既存のモデルを徹底的に調整することで速度を桁違いに引き上げたとみられます。

コミュニティの反応

この成果は、イーサン・モリック氏が最初に注目し、SNSで広まりました。Falの社員はこの技術を製品化し、無限に動画を配信し続けるストリームとして公開しました。

しかし、TwitchとYouTubeはすぐにFalをプラットフォームから追放しました。これを受けてFalは独自のライブ動画配信サービスを立ち上げ、『Twitch Plays Pokemon』風のライブ動画サービスを始めています。

品質と今後への期待

現在生成される動画は、プロットのない低品質な映像が続く、いわゆる『スロップ』と呼ばれる状態です。記事では『誰も実際には見ないだろう』と手厳しく評価されており、現時点で商用利用に耐える品質とは言えません。

ただし、記事は『これが今後最悪の水準になる』と指摘しています。技術の進展に伴って品質は改善されるとみられ、リアルタイム動画生成の可能性が実証されたこと自体が重要な意味を持ちます。