بهترین هوش مصنوعی برای ساخت ویدیو

چرا سیدنس ۲.۵ در صدر قرار گرفت، و چرا این جایگاه مشروط است

این مولفه دو ستون از رابرک را کامل می‌برد. طول: سی ثانیه در یک عبور تولید، در برابر پانزده ثانیه کلینگ و هشت ثانیه ویو. ظرفیت مرجع: پنجاه فایل ورودی (سی تصویر، ده ویدیو، ده فایل صوتی)، در برابر هفت و سه فایل رقبا. برای بار کاری ای که نیاز به تثبیت یک شخصیت در طول یک روایت دارد، این دو رقم از هر پارامتر دیگری وزن عملیاتی بالاتری دارند.

با این حال همین مولفه ستون رزولوشن را کامل از دست می‌دهد. مستندات فنی API خود بایت دنس برای سیدنس ۲.۵ فقط دو مقدار 480p و 720p را مجاز اعلام می‌کند، در حالی که برای سیدنس ۲.۰ چهار مقدار تا سقف 4k فهرست شده است. یعنی نسخه جدیدتر، دقیقا در همین یک پارامتر، نسبت به نسخه قبلی خود رگرسیون داشته. همین رگرسیون در شمای API رانوی هم که همین مدل را بازفروشی می‌کند تکرار شده.

پس چه بار کاری ای باید کلینگ را انتخاب کند

هر بار کاری ای که خروجی نهایی مستقیم تحویل مشتری می‌شود. کلینگ ویدیو ۳.۰ تنها مولفه این رابرک است که 4K بومی تحویل می‌دهد، و بومی بودن اینجا پارامتر تعیین کننده است: بزرگ نمایی پس از تولید موقعیت چهره را جابه جا می‌کند و ثبات شخصیت بین نماها از بین می‌رود. پانزده ثانیه آن برای یک نمای تبلیغاتی کفایت می‌کند. یک محدودیت مستند از سوی خود سازنده وجود دارد که اینجا هم ثبت می‌شود: حالت مرجع محور آن (Omni) سقف 1080p دارد، پس ترکیب 4K و ورودی مرجع سنگین در یک عبور تولید ممکن نیست.

پارامتری که در هیچ یک از چهار مولفه پوشش داده نشده

فارسی. کلینگ در راهنمای فنی خود پنج زبان گفتاری را فهرست می‌کند: چینی، انگلیسی، ژاپنی، کره‌ای و اسپانیایی. فارسی در این فهرست نیست، و هیچ یک از سه مولفه دیگر هم فارسی را در فهرست زبان گفتاری خود ثبت نکرده‌اند. یعنی برای هر بار کاری با خروجی فارسی، صرف نظر از مسیر انتخابی، صداگذاری یک مرحله مجزا در پایپ لاین است. اگر جایی خوانده‌اید که یکی از این مدل‌ها فارسی صحبت می‌کند، منبع آن را درخواست کنید.

دو پارامتر که عمدا از رابرک حذف شده‌اند

اول، زمان تولید. مالک این مرجع درخواست کرده بود سرعت تولید هم وزن مستقل بگیرد، و از نظر عملیاتی هم درست است، چون در بار کاری واقعی، زمان انتظار مستقیم به هزینه تبدیل می‌شود. اما هیچ یک از این چهار سازنده رقمی برای زمان تولید منتشر نکرده است. رقمی که منتشر نشده از منبع غیررسمی استخراج نمی‌شود، پس این ستون اصلا ساخته نشد؛ جای آن در مدل داده خالی مانده تا روزی که سازنده‌ای این رقم را منتشر کند.

دوم، قیمت. فهرست قیمت API رانوی تنها منبعی است که چند مولفه را در یک واحد پولی و یک واحد اندازه گیری قیمت‌گذاری کرده: هر اعتبار یک سنت، جن ۴.۵ دوازده اعتبار بر ثانیه، سیدنس ۲.۵ روی 720p سی اعتبار بر ثانیه، و ویو ۳.۱ با صدا چهل اعتبار بر ثانیه. یعنی به ترتیب دوازده، سی و چهل سنت به ازای هر ثانیه خروجی. کلینگ در این فهرست حضور ندارد و قیمت‌گذاری آن اعتباری و وابسته به پلن اشتراک است. ستونی که یک چهارم جدول را خالی می‌گذارد و بقیه را با قیمت فروشنده واسطه پر می‌کند، بیشتر گمراه کننده است تا مفید.

چرا سورا اصلا در این رابرک ثبت نشده

چون هیچ سندی از اوپن ای آی خوانده نشده است. سه دامنه openai.com، sora.com و sora.chatgpt.com از سرور ما کد ۴۰۳ برمی گردانند، هم با ابزار داخلی خودمان و هم با curl ساده. حتی نام نسخه فعلی سورا هم تایید نشده، و نام نسخه‌ای که مشاهده نشده در این مرجع ثبت نمی‌شود. ردیف خالی هم برای آن ساخته نشده، چون این رابرک نسخه‌ها را رتبه بندی می‌کند و نامی از نسخه در اختیار نداریم. روزی که این دامنه‌ها باز شوند، ردیف مربوطه اضافه می‌شود.

مولفه‌هایی که هنوز بررسی نشده‌اند

هیگزفیلد بررسی شد و مشخص شد آنچه عرضه می‌کند مدل اختصاصی خودش نیست: سیدنس ۲.۵ و مدل‌های سازنده‌های دیگر را روی پلتفرم خودش عرضه می‌کند، دقیقا مانند رانوی. پس در رابرکی که مدل‌ها را می‌سنجد جایگاهی ندارد. هایلو، گروک ایمجین و لوما هنوز ارزیابی نشده‌اند؛ نبودشان در این جدول یعنی فرصت بررسی فراهم نشده، نه اینکه رد صلاحیت شده‌اند.