Prism: نموذج صوت وصورة بدقة 2K مفتوح، وبطاقة الـ80GB التي يطلبها

شهدت نماذج الفيديو المفتوحة أشهراً حافلة، وآخر الواصلين يقدّم وعداً محدداً: توليد بمرور واحد، وإخراج بدقة 2K أصلية مع صوت، وأوزان علنية. يسمى النموذج Prism، وهو من فريق Hunyuan في تينسنت مع باحثين من جامعة فودان. إنه أداة تحويل صورة إلى فيديو تتعامل مع الصوت والصورة، وقد وصل دون مراسم. كما يطلب عتاداً لا يملكه معظم الناس.

تجدر الإمساك بحقيقتين عن Prism معاً. الأولى أن نموذجاً ينتج فيديو بدقة 2K مع صوت متزامن ويُعرض علناً خطوة حقيقية. والثانية أن فئة 720p فيه يُقال إنها تحتاج بطاقة من رتبة 80GB. والحقيقة الثانية تحدّد من يستطيع استخدامه فعلاً.

المشكلة الجيدة والسيئة

لسنوات، كان قيد الفيديو المفتوح في الجودة. فقد تأخّرت النماذج المفتوحة عن الخدمات المغلقة، فلم يكن تشغيلها محلياً ذا معنى كبير حتى مع وجود العتاد. وقد تضيّقت هذه الفجوة بسرعة هذا العام. فعدة إصدارات مفتوحة هذا العام تنتج مخرجات صالحة للعمل الحقيقي، ووصول Prism إلى 2K أصلية مع صوت هو أحدث دليل على أن جدل الجودة قد حُسم إلى حد كبير.

وما لم يُحسم هو الوصول. فبطاقة 80GB قطعة مركز بيانات، وهي تستبعد بطاقة المستهلك التي يملكها فعلاً معظم المطورين والاستوديوهات الصغيرة. فيمكن أن يكون النموذج «مفتوحاً» و«بعيد المنال» في آن، والأوزان المفتوحة لا تغيّر فاتورة الكهرباء ولا حقيقة أنك لا تستطيع استئجار بطاقة لا تملكها. وهذه هي المنطقة الوسطى المربكة في لحظة الفيديو المفتوح: الرخصة مجانية والعتاد ليس كذلك.

{{INLINE1}}

دقة 2K الأصلية مع الصوت ليست أمراً صغيراً

توليد الصورة والصوت معاً في نموذج واحد أصعب من أي منهما منفرداً. فإبقاء باب يُغلق في الإطار نفسه الذي يصدر فيه صوته، أو فم متوافق مع الكلام، يقتضي أن يبقى التدفقان متزامنين في كل خطوة. وفعل ذلك بدقة 2K، بدل تكبير دقة منخفضة لاحقاً، هو موضع الادعاء التقني. وهذا الفرق بين نموذج يفهم المشهد شيئاً واحداً وخطّ أنابيب يخيط مخرجين.

ولهذا يهمّ الإصدار حتى لمن لن يشغّله أبداً. فالتقدّم في التوليد المشترك للصوت والصورة يرفع سقف كل ما يعلوه، بما في ذلك الخدمات المستضافة التي ستغلّف Prism أو ما يشبهه في النهاية. والإصدار المفتوح نصفه مساهمة بحثية ونصفه راية تُغرس في مجال سريع.

التعامل مع المعاينة كمعاينة

ثمة تحذير يستحق القول بصراحة. صدر Prism كمعاينة، دون إعلان كبير، وقد أثارت بعض مقاطعه الدعائية أسئلة عند من ينظرون عن قرب. وحين يكون النموذج بهذا البكور وبهذا الثقل العتادي، يكون التحقق المستقل ضعيفاً بحكم التعريف. وهذا ليس اتهاماً، بل القدر اللازم من الحذر تجاه ادعاءات مبهرة لم يكرّرها أحد من الخارج.

وللمعاينات نمط فشل محدد يستحق التسمية. فهي تصدر بقدرة تكفي للإبهار، لكن سلوكها قد يتغيّر بين النسخ دون إنذار، ما يجعلها أساساً سيئاً لكل ما يحتاج استقراراً. وبناء منتج على معاينة يعني قبول أن تحديثاً لاحقاً قد يغيّر مخرجك في صمت. للتجريب لا بأس، وللتسليم للعميل خطر يُحتسب في السعر.

والموقف المعقول أن تُعالَج المعاينة كإشارة إلى ما هو آتٍ، وتُختبر، ثم يُنتظر الإصدار المستقر قبل الالتزام. فمجال الفيديو المفتوح يتحرك بسرعة تجعل انتظار أسابيع قليلاً نادراً ما يكون مكلفاً، ويتجنّب أن ينتج عرض مبهر الشهر الماضي شيئاً آخر بعد تحديث صامت. مقطع العرض وعد، والإصدار المستقر هو التسليم.

مقابل الخدمات المستضافة

لا ينافس Prism نافذة محادثة. والمقارنة الواقعية مع خدمات الفيديو المستضافة التي تنتج فعلاً 2K أو 4K، وتقدّم واجهة نظيفة، وتحاسب بالثانية. وبالنسبة إليها، يقدّم النموذج المفتوح مقايضة مختلفة. تحصل على الأوزان، وعلى القدرة على التشغيل دون إرسال موادك إلى طرف ثالث، وعلى حرية تعديل النموذج. وتتنازل عن راحة أن يدير غيرك العتاد، وتتحمّل كلفة حوسبة حقيقية جداً.

ولمعظم الفرق الصغيرة، ما زال المسار المستضاف يفوز في الكلفة الإجمالية، لأن استئجار بطاقة بالدقيقة أرخص من امتلاك بطاقة عاطلة. والنموذج المفتوح يهمّ فئة أضيق: باحثين يحتاجون تعديل النموذج، واستوديوهات بشروط خصوصية خاصة، ومطورين يريدون دمج التوليد في خط أنابيب دون وسيط يحاسب على كل نداء. وبالنسبة لهم، متطلّب العتاد عقبة لا نقطة انقطاع، وحرية الرخصة تستحق العناء.

جدوى الانفتاح رغم كل ذلك

يسهل الاستهانة بنموذج لا تستطيع تشغيله. وهذا خطأ. فالإصدارات المفتوحة تحدد الأرضية التي يبني عليها الجميع، وتمنح الباحثين هدفاً يحسّنونه. وحين يُنشر نموذج بتوليد صوت وصورة بدقة 2K أصلية، على الإصدار المفتوح التالي أن يتجاوز ذلك الحد، وترث الخدمات المبنية عليه التقدّم. والمنظومة تتقدّم حتى لمن لا يلمس الأوزان أبداً.

وثمة حجّة مرونة جعلها العام الماضي ملموسة. فالفرق التي بنت على نموذج مستضاف تعلّمت بالطريقة الصعبة ما يحدث حين يقرّر مزوّد إغلاق خدمة. والأوزان المفتوحة لا تضمن أنك تستطيع تشغيلها، لكنها تضمن أن لديك شيئاً تشغّله، وهذا تحوّط يراه كثير من الفرق اليوم ضرورياً. وPrism نقطة بيانات في هذه الحجّة، والحجّة تعلو.

ما تقوله فجوة الـ80GB فعلاً

تنتقل الفجوة في الفيديو المفتوح من الجودة إلى امتلاك الحوسبة. فكلما تحسّنت النماذج صار سؤال من يستطيع تشغيلها أكثر حدّة، وبدأت «المصادر المفتوحة» تعني أقرب إلى «مفتوحة لمن يملك الآلات». وهذا توتّر حقيقي لمجال احتفل عامين بالأوزان المفتوحة كشكل من إرساء الديمقراطية. وPrism حالة جيدة للمراقبة لأنه يجلس على خط الصدع تماماً: مفتوح بحق، وقادر بحق، ومغلق بحق بالعتاد.

والجواب الأرجح قريب المدى هو الاستدلال المستضاف. ستؤجّر المنصات الوصول إلى نماذج كهذه، ما يعيد الوصول لكنه يعيد إدخال الاعتماد الذي كان يُفترض أن تزيله الأوزان المفتوحة. وPrism نفسه معاينة، فالقصة لم تُكتب بعد. لكنه يُظهر بالفعل شكل الجدل القادم في الفيديو المفتوح: لا هل تعمل النماذج، بل من يملك حق تشغيلها.