영상과 소리를 한 번에 만드는 AI 시대 [정원훈의 AI 트렌드]

AI 요약

허깅페이스 8월 1주차 AI 트렌드를 분석한 기사로, 이번 주 핵심은 '따로 하던 일을 한 번에 끝내는 AI'입니다. 중국 미니맥스가 공개한 '미니맥스-H3'는 영상과 32kHz 스테레오 음향을 하나의 생성 과정에서 동시에 만들어내는 혁신을 선보였습니다. 또한 딥시크가 구조는 유지한 채 사후 학습만으로 상위 모델을 능가하는 V4-플래시를 공개했고, MS의 음성 인식 모델은 양자화 기법으로 모델 크기를 3분의 1로 줄였습니다.

핵심 포인트

• 미니맥스-H3: 330억 파라미터의 dense 트랜스포머, 최대 2K 해상도 4~15초 영상 생성, 11개 언어 지원, API 가격 초당 0.13달러
• H3-VAE 압축기로 같은 연산량에서 처리 길이 4배 확장, MM-RoPE로 공간·시간 관계 동시 계산
• 딥시크-V4-플래시: 구조 변경 없이 사후 학습만으로 모든 에이전트 시험에서 상위 모델을 능가, 라이선스는 MIT
• MS 바이브보이스 ASR 비트넷: 모델 숫자를 -1, 0, +1 세 값으로 표현해 4.62GB→1.58GB로 축소, CPU 3개 스레드만으로 실시간 처리 가능

향후 전망

• 영상·음향 동시 생성 방식이 AI 영상 제작의 표준으로 자리잡아 후시 녹음 방식의 한계(입모양-목소리 불일치 등)가 해소될 전망
• 양자화·경량화 기술 발전으로 AI 모델의 엣지 디바이스(노트북·모바일) 구동이 보편화될 것