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 می برد. 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 می دهد. مستندات فنی API خود بایت دنس برای سیدنس ۲.۵ فقط دو مقدار 480p و 720p را مجاز اعلام می کند، 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 می کند تکرار شده.

پس چه بار کاری ای باید کلینگ را انتخاب کند

هر بار کاری ای که خروجی نهایی مستقیم تحویل مشتری می شود. کلینگ ویدیو ۳.۰ تنها مولفه این رابرک است که 4K بومی تحویل می دهد، و بومی بودن اینجا پارامتر تعیین کننده است: بزرگ نمایی پس از تولید موقعیت چهره را جابه جا می کند و ثبات شخصیت بین نماها از بین می رود. پانزده ثانیه آن برای یک نمای تبلیغاتی کفایت می کند. یک محدودیت مستند از سوی خود سازنده وجود دارد که اینجا هم ثبت می شود: 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 می کند: چینی، انگلیسی، ژاپنی، کره ای و اسپانیایی. فارسی در این فهرست نیست، و هیچ یک از سه مولفه دیگر هم فارسی را در فهرست زبان گفتاری خود ثبت نکرده اند. یعنی برای هر بار کاری با خروجی فارسی، صرف نظر از مسیر انتخابی، صداگذاری یک مرحله مجزا در پایپ لاین است. اگر جایی خوانده اید که یکی از این مدل ها فارسی صحبت می کند، منبع آن را درخواست کنید.

دو پارامتر که عمدا از رابرک حذف شده اند

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 می شود. اما هیچ یک از این چهار سازنده رقمی برای زمان تولید منتشر نکرده است. رقمی که منتشر نشده از منبع غیررسمی استخراج نمی شود، پس این ستون اصلا ساخته نشد؛ جای آن در مدل داده خالی مانده تا روزی که سازنده ای 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 قیمت گذاری 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 قیمت گذاری آن اعتباری و وابسته به پلن اشتراک است. ستونی که یک چهارم جدول را خالی می گذارد و بقیه را با قیمت فروشنده واسطه پر می کند، 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 نسخه ای که مشاهده نشده در این مرجع ثبت نمی شود. ردیف خالی هم برای آن ساخته نشده، چون این رابرک نسخه ها را رتبه بندی می کند و نامی از نسخه در اختیار نداریم. روزی که این دامنه ها باز شوند، ردیف مربوطه اضافه می شود.

مولفه هایی که هنوز بررسی نشده اند

هیگزفیلد بررسی شد و مشخص شد آنچه عرضه می کند مدل اختصاصی خودش نیست: سیدنس ۲.۵ و مدل های سازنده های دیگر را روی پلتفرم خودش عرضه می کند، دقیقا مانند رانوی. پس در رابرکی که مدل ها را می سنجد جایگاهی ندارد. هایلو، گروک ایمجین و لوما هنوز ارزیابی نشده اند؛ نبودشان در این جدول یعنی فرصت بررسی فراهم نشده، نه اینکه رد صلاحیت شده اند.