HeyGenは1秒1セントを課金、動画モデルの価格下限が動いた

HeyGenは今月、同社初の汎用動画モデル「HeyGen Video」をリリースした。MiniMax H3をベースに社内で追加学習（ポストトレーニング）されたもので、テキストto動画、画像to動画、参照to動画を1つのモデルでカバーし、音声も同期する。ローンチ時のプロモーション料金は1秒あたり0.01ドルで、標準価格の半額であり、予算に制約のあるエンタープライズ用途をまっすぐ狙っている。

この数字はしばらく噛みしめる価値がある。10秒のクリップが10セントだ。昨年、同じカテゴリの出力は1生成あたり数ドルで価格設定されており、チームはそれを配分して使っていた。

プロモーションという枠組み自体が示唆的だ。HeyGenは標準料金を1秒2セントに設定し、その半額でローンチした。これはクリップあたりの収益最大化ではなく、既存ベンダーからチームを引き剥がすことを狙った値下げだ。プロモーション料金は、一度ワークフローがモデルを中心に構築されれば、割引終了後もスイッチングコストが顧客をつなぎとめるという賭けである。

秒単位の料金が新たなベンチマーク

動画モデルの価格設定は、1生成あたりから出力1秒あたりへと移行し、公表されている料金は今や桁が1つ違う範囲に広がっている。HeyGenのプロモーションの1秒1セントは、1分あたり約0.60ドルに換算される。オープンウェイトのベースであるMiniMax H3は1分あたり4.80ドル。Wan 3.0は1分あたり12ドルと表示されている。Seedance 2.5は1分あたり34.12ドルを課金する。Grok Imagine Video 1.5は1秒あたり0.08ドル、つまり1分あたり4.80ドルで、ネイティブ音声を備え、解像度ティアのない単一の公表料金だ。

Grokの単一料金構造はそれ自体で注目に値する。ほとんどのベンダーは解像度ティアごとに課金するため、1080pのレンダリングは480pより高くつく。ティアのない単一の公表料金は、予算を立てやすく、ごまかしにくい。また、モデルの品質が購入者が要求するピクセル数に大きく依存しないという自信の表れでもある。

この価格差は、市場がセグメント化したことを示している。上端は、1本のクリップが重要となるキャンペーン向けの品質だ。下端は、100本のクリップを生成してそのほとんどが捨てられるワークフロー向けのボリュームだ。

HeyGenの価格設定は、意図的に低価格帯に置かれ、その枠組みは予算が制約となるエンタープライズのユースケースだ。それは、ヒーロー広告を制作する代理店とは異なる顧客である。あらゆるサポート記事、あらゆる製品ページ、あらゆるオンボーディングフローに動画を求め、その一つひとつにデザイナーを割く正当性がない企業だ。

他人のベースの上で追加学習する

アーキテクチャの選択は価格と同じくらい注目に値する。HeyGenは基盤モデルをゼロから学習したわけではない。オープンウェイトモデルであるMiniMax H3を取得し、自社のユースケース向けに社内で追加学習した。

これは標準的な手口になりつつある。CreatifyもBoreal-H3で同じことを行い、実際の広告プロジェクトデータでMiniMax H3を追加学習し、ベースと比較してブリーフ完了率が27.8%から50%へ、被写体の一貫性が83.3%から94.4%へ上昇したと報告した。ベースがオープンで、差別化が事前学習の実行ではなく学習データと評価に宿るため、このパターンは繰り返される。

動画製品を構築するチームにとって、計算は単純だ。基盤モデルの学習には数千万ドルと数か月がかかる。オープンなベースの追加学習はその何分の一かのコストで済み、自社固有の品質基準に合わせたモデルが得られる。リスクは、製品の中核能力が他人のライセンス条項の上に乗ることであり、これはH3にとって現実の課題だ。なぜならMiniMaxは、そのライセンスがどの地域を対象とするかを公表していないからだ。今週、H3をベースに構築された3つの製品が、ライセンスが及ばない可能性のある地域でローンチされ、ラボはそれらを歓迎した。これは許可を与えることとは程遠い。

ライセンスの問題は、追加学習の手口の中で最も注目されにくい部分だ。モデルは今日ダウンロードできても明日には入手できなくなるかもしれないし、ある市場では合法で別の市場では違法かもしれない。そして条項は、その上に構築された製品ではなく、モデルの本来の目的のために書かれていることが多い。オープンなベースに製品を依存させている者は誰でも、技術レポートを読むのと同じくらい注意深くライセンスを読むべきだ。追加学習のコスト優位性は本物であり、価格比較には表れない運用リスクを伴う。

この価格がクリエイティブな仕事にとって意味するもの

10秒のクリップが10セントで済むとき、反復の経済性は変わる。チームは製品デモの50種類のバリエーションを生成し、それらを見て、うまくいった2つを残し、そのために5ドルを費やすことができる。ボトルネックは生成コストから人間のレビュー時間へ移る。これは2年前の位置とは正反対だ。

この移行は、動画チームの人員配置とワークフローの設計に影響を及ぼす。安価な生成は、高コストな部分が何が良いかを判断することであることを意味し、その判断を素早く下せる人材がボトルネックになる。また、誰も必要としなかったものを生み出すコストがほぼゼロに落ちたため、凡庸な出力の洪水はさらに大きくなる。

チームの計画の立て方には、それほど明白でない影響もある。クリップが10セントで済むとき、合理的な戦略は、1つの良い版を作ることから、多数作って選ぶことへと移る。これは評価が得意なチームを有利にし、制作クラフトが得意なチームを不利にする。かつて価値であったクラフトが今やコモディティ投入物になっているからだ。

また、クライアントの期待も変える。以前は1本の動画を指定していたブリーフが、今ではA/Bテスト用に5つのバリエーションを指定する。追加の4本の限界費用が無視できるからだ。仕事は上流の戦略と下流の分析へ移り、中間、つまりクリエイティブ制作労務の大半が位置する部分は薄くなる。

価格が答えない問い

安価な生成は有用な生成と同じではない。1秒1セントで買えるのはクリップであって、ブリーフに合ったクリップではない。制作で重要な差異、つまり製品ラベルを読める状態に保つこと、クリエイターの顔を最初のフレームから最後まで一貫させること、雰囲気ではなく台本に従うことは、高価格帯のティアが課金しているものだ。

これこそ価格差が明らかにする本当のセグメント化だ。市場はボリューム向けモデルと精度向けモデルに分離しつつあり、その価格差はおおよそ50倍である。自社の仕事がどちらのカテゴリに属するかを知っているチームは、明確な判断を下せる。安いモデルで十分だと想定するチームは、クライアントへの納品物でそのギャップを発見することになる。

HeyGenのプロモーション料金は1セントのまま続くわけではない。それがするのは、市場の残りが応答せざるを得ない下限を設定し、動画機能を構築するすべての人に、昨年なら信じられなかった価格点でユニットエコノミクスをモデル化させることだ。興味深い問いは、どの能力が1秒1セント以上を払う価値があると判明するかである。

答えは狭く具体的なものになりそうだ。ラベルの可読性、アイデンティティの一貫性、ブリーフへの準拠は地味に見えるが、クリップを出荷できるかどうかを決めるのはこれらである。それ以外はすべて好みの問題であり、1テイクが10セントで済むなら好みの反復は安い。