بهترین هوش مصنوعی برای ساخت ویدیو

چرا سیدنس ۲.۵ اول شد، و چرا این اول بودن مشروط است

دو ستون این جدول را می برد. طول: سی ثانیه در یک تولید، در برابر پانزده ثانیه کلینگ و هشت ثانیه ویو. مرجع: پنجاه فایل ورودی (سی تصویر، ده ویدیو، ده صدا)، در برابر هفت و سه. برای کسی که یک شخصیت ثابت را در یک روایت می خواهد، این دو عدد از هر چیز دیگری مهم ترند.

ولی همان مدل ستون رزولوشن را کامل می بازد. مستندات API خود بایت دنس برای سیدنس ۲.۵ فقط 480p و 720p را مجاز می داند، در حالی که برای سیدنس ۲.۰ چهار مقدار تا 4k فهرست می کند. نسخه جدیدتر، در این یک ستون، از نسخه قبلی خودش عقب تر رفته. این را در شمای API رانوی هم که همین مدل را می فروشد دوباره دیدیم.

پس چه کسی باید کلینگ بردارد

هر کسی که خروجی را تحویل مشتری می دهد. کلینگ ویدیو ۳.۰ تنها مدل این جدول است که ۴K بومی می دهد، و بومی بودنش مهم است: بزرگ کننده ها چهره را جابه جا می کنند و شخصیت بین نماها عوض می شود. پانزده ثانیه اش برای یک نمای تبلیغاتی کافی است. یک قید دارد که خودشان نوشته اند و ما هم می نویسیم: حالت مرجع محورش (Omni) سقفش 1080p است، پس ۴K و مرجع سنگین در یک تولید جمع نمی شوند.

چیزی که هر چهار مدل ندارند

فارسی. کلینگ در راهنمای خودش پنج زبان گفتار می شمارد: چینی، انگلیسی، ژاپنی، کره ای و اسپانیایی. فارسی در آن فهرست نیست، و هیچکدام از سه مدل دیگر هم فارسی را در فهرست گفتارشان نیاورده اند. یعنی برای ویدیوی فارسی، هر مسیری که انتخاب کنید صداگذاری یک مرحله جدا است. اگر جایی خوانده اید که فلان مدل فارسی حرف می زند، منبعش را بخواهید.

دو چیزی که عمدا در جدول نیست

اول، زمان تولید. مالک این مرجع خواسته بود که سرعت تولید هم وزن داشته باشد و حق هم داشت، چون در کار واقعی زمان انتظار مستقیم به هزینه تبدیل می شود. ولی هیچکدام از این چهار سازنده عددی برای زمان تولید منتشر نکرده. عددی که منتشر نشده باشد را از وبلاگ کسی برنمی داریم، پس این ستون اصلا ساخته نشد و جایش در ساختار داده خالی مانده تا روزی که یکی عددش را چاپ کند.

دوم، قیمت. فهرست قیمت API رانوی تنها جایی است که چند مدل در یک ارز و یک واحد قیمت خورده اند: هر اعتبار یک سنت، جن ۴.۵ دوازده اعتبار در ثانیه، سیدنس ۲.۵ روی 720p سی اعتبار، ویو ۳.۱ با صدا چهل اعتبار. یعنی دوازده، سی و چهل سنت برای هر ثانیه خروجی. ولی کلینگ آنجا نیست و قیمتش اعتباری و گره خورده به پلن است. یک ستون که یک چهارم جدول را خالی بگذارد و بقیه را با قیمت فروشنده واسطه پر کند، بیشتر گمراه می کند تا کمک.

چرا سورا اصلا در جدول نیست

چون هیچ چیزی از اوپن ای آی نخوانده ایم. openai.com و sora.com و sora.chatgpt.com هر سه از سرور ما ۴۰۳ برمی گردانند، هم با ابزار خودمان و هم با curl ساده. حتی نام نسخه فعلی سورا را هم نمی دانیم، و نام نسخه ای که ندیده ایم را نمی نویسیم. ردیف بی عدد هم برایش نساختیم، چون این جدول نسخه ها را رتبه می دهد و ما نام هیچ نسخه ای نداریم. روزی که آن صفحه ها باز شوند، همین جا اضافه می شود.

چه چیزهایی را نگاه نکرده ایم

هیگزفیلد را باز کردیم و دیدیم چیزی که می فروشد مدل خودش نیست: سیدنس ۲.۵ و مدل های دیگران را روی پلتفرم خودش عرضه می کند، مثل رانوی. پس در جدولی که مدل ها را می سنجد جایی ندارد. هایلو، گروک ایمجین و لوما را هم بررسی نکرده ایم؛ نبودنشان یعنی وقت نکرده ایم، نه اینکه رد شده اند.