الشوط الثاني للفيديو القصير بالذكاء الاصطناعي: من «هل يمكن توليده» إلى «من سيكون المخرج»
في الأيام الأولى من أكتوبر، تشير عدة أحداث في مجال فيديو الذكاء الاصطناعي في الصين، عند النظر إليها معًا، إلى التغيير ذاته: لقد انتهت المرحلة الأولى.
← جميع المقالات
التصنيف
Ai
293 articles
لحظة لوحة القصة: لماذا تهم الإطارات المفتاحية أكثر من مدة التشغيل
كانت المدة رقمًا في ورقة المواصفات. أما الإطارات المفتاحية فهي واجهة إنتاج، وهي التي تقرر ما إذا كان النموذج يصلح لغرفة مونتاج حقيقية.
SAP تموّل جيشاً من الشركاء وAnthropic تدرّب عشرة آلاف مهندس
لم يكن أي من الإعلانين عن نموذج أفضل. كان كلاهما عن من سيشغّل الأدوات فعلاً عندما تنتهي التجربة الأولية.
تتقاضى HeyGen سنتًا واحدًا في الثانية، وقد تحرّك للتو الحد الأدنى لسعر نموذج الفيديو
ينفصل السوق إلى نماذج للحجم ونماذج للدقة، والفجوة السعرية بينهما هي القصة الحقيقية.
تقسيم صورة JPG إلى طبقات أصبح خطوة تصميم معتادة
صنع التوليد شيئاً لم يكن موجوداً. أما الأدوات التي تتكاثر الآن فتبدأ من صورة موجودة بالفعل وتفككها.
PixelUMM وSana يشيران إلى الفكرة نفسها: إزالة السقالات من نماذج الرؤية
يُدرَّب VAE ومُرمِّز الرؤية ويُضبَطان ويُخدَمان بشكل منفصل. قرر كلا المختبرين أن الوسطاء أصبحوا الجزء المكلف.
غوغل تخفّض أسعار صورها إلى النصف وتضاعف تكلفة إرسال المراجع ثلاث مرات
العنوان الرئيسي هو سعر الإخراج. لكن السطر الذي يغيّر هامشك هو سطر الإدخال، وخطوط الأنابيب الكثيفة المراجع تشعر به أولًا.
ميتا تضع الذكاء الاصطناعي في كامل مسار الإعلانات، بما في ذلك الدفع
الجزء المثير للاهتمام ليس أي أداة واحدة. بل أن ميتا تربط الإنتاج الإبداعي بخطوة الدفع داخل الواجهة نفسها.
Wan 3.0 يتصدّر لوحة الصدارة المُعاد بناؤها للفيديو، وKling 3.0 يصبح مرساها
مقياس جديد يحكم على كل نموذج بدقة 1080p ويجمّع الموجّهات في عشرين تصنيفاً. التوزيع تحت لوحة الصدارة يهم أكثر من المركز الأول.
تاوباو TaoMate-H3 مفتوح المصدر: ضغط التوليد المستمر للصوت والفيديو على مستوى الدقائق إلى ثلاث خطوات إزالة ضوضاء لكل مقطع
لا يقارن من لديه جودة مقطع واحد أكثر إبهارًا، بل كم من الوقت يُنتظر من كتابة المطالبة حتى رؤية أول مقطع مكتمل. بدأ توليد الفيديو يحسب بجدية متى يمكن رؤية الإطار الأول.
ميتا ترخّص تقنية الصور والفيديو من ميدجورني، والسبب ذو دلالة
تتحرك معايير القياس كل ربع سنة. أما حكم مجتمع على ما يبدو جيدًا فلا.
AssemblyAI تخفض زمن استجابة الكلام في الوقت الفعلي إلى 91 مللي ثانية. إليك لماذا يهم هذا الرقم
القيد على الصوت لم يكن أبدًا معدل خطأ الكلمات. بل كان تبادل الأدوار.