سریع‌ترین هوش مصنوعی ویدیوساز جهان؛ مدل FLUX 3 Max معرفی شد [تماشا کنید]

پلتفرم هوش مصنوعی fal.ai با همکاری شرکت آلمانی Black Forest Labs از مدل تولید ویدیوی FLUX 3 Max رونمایی کرد. این مدل می‌تواند ویدیویی ۱۰ ثانیه‌ای را در ۱۲٫۴۵ ثانیه تولید کند؛ درحالی‌که زمان تولید همین ویدیو با مدل Seedance 2.5 در مقایسه ۲۷۷٫۸ ثانیه بوده است. شرکت سازنده بر همین اساس ادعا می‌کند مدل جدیدش حدود ۲۲ برابر سریع‌تر است.

طبق مقایسه منتشرشده از سویفالهر دو مدل امتیاز کیفیت یکسانی داشته‌اند. این سرعت می‌تواند به طراحان و گروه‌های تولید محتوا امکان دهد نسخه‌های مختلف یک صحنه را سریع‌تر آزمایش کنند و بدون انتظار طولانی، تغییرات مدنظرشان را اعمال کنند. بااین‌حال، ادعاهای مربوط به سرعت و کیفیت باید با توجه به شرایط آزمون و محدودیت‌های بنچمارک بررسی شوند.

مدل هوش مصنوعی تولید ویدیو FLUX 3 Max

بر اساس رتبه‌بندی تولید ویدیو از تصویرِ وب‌سایت Artificial Analysis در ۱۹ اکتبر، مدل FLUX 3 Max امتیاز ۱۱۳۹ را کسب کرده است؛ امتیازی برابر با Dreamina Seedance 2.5.

فال زمان تولید ویدیوهای ۱۰ ثانیه‌ای با نسبت تصویر ۱۶:۹ و وضوح ۷۲۰ یا ۷۶۸ پیکسل را مبنای مقایسه خود قرار داده است. تولید یک ویدیوی ۱۰ ثانیه‌ای در ۱۲٫۴۵ ثانیه به این معناست که مدل تقریباً در زمانی نزدیک به طول ویدیوی خروجی کار می‌کند.

این اعداد از سوی شرکت ارائه شده‌اند و مستندات مدل نیز تأکید می‌کنند که تنظیمات و شرایط اجرا بر زمان تکمیل خروجی تأثیر می‌گذارند. بنابراین، نمی‌توان انتظار داشت همه درخواست‌ها در همین مدت آماده شوند.

مدل جدید تنظیمات استدلال با سطح پایین و بالا را نیز ارائه می‌دهد. انتخاب سطح بالاتر می‌تواند زمان تولید را افزایش دهد؛ به همین دلیل، توسعه‌دهندگان برای استفاده از مدل در محصولات خود باید سرعت، کیفیت و پایداری خروجی را در شرایط واقعی بسنجند.

FLUX 3 Max برپایه مدل FLUX 3 Video شرکت Black Forest Labs ساخته شده است. به‌گفته فال، آموزش بیشتر مدل با هدف پیروی دقیق‌تر از دستورهای کاربران، بهبود ظاهر خروجی‌ها و کاهش زمان تولید انجام شده است.

توسعه‌دهندگان می‌توانند از طریق رابط برنامه‌نویسی کاربردی (API) به دو مسیر تولید دسترسی داشته باشند: تولید ویدیو از توضیحات متنی و تبدیل تصویر به ویدیو. در روش دوم، کاربر تصویر اولیه را ارائه می‌کند و می‌تواند تصویر پایانی را نیز مشخص کند.

مدل از ویدیوهایی با طول ۵ تا ۲۰ ثانیه پشتیبانی می‌کند و خروجی را با وضوح ۷۲۰ پیکسل می‌سازد. امکان ارتقای وضوح به ۱۰۸۰ پیکسل نیز وجود دارد. تولید صدا قابل فعال یا غیرفعال‌کردن است و کاربران می‌توانند قالب افقی، عمودی یا مربعی را انتخاب کنند.

فال اعلام کرده است که قیمت‌های معرفی مدل با تخفیف ۷۵ درصدی عرضه می‌شوند و این تخفیف تا ۷ نوامبر ادامه دارد. در وضوح ۷۲۰ پیکسل، هزینه تولید هر ثانیه ویدیو در دوره تخفیف ۰٫۰۴۲۵ دلار است؛ بنابراین تولید ویدیویی ۱۰ ثانیه‌ای حدود ۰٫۴۲۵ دلار هزینه دارد. پس از پایان تخفیف، هزینه همین خروجی به ۱٫۷۰ دلار می‌رسد.

برای خروجی ۱۰۸۰ پیکسلی که با ارتقای وضوح تولید می‌شود، هزینه هر ثانیه در دوره تخفیف ۰٫۰۷۲۵ دلار و هزینه یک ویدیوی ۱۰ ثانیه‌ای ۰٫۷۲۵ دلار است. قیمت عادی این خروجی به ۲٫۹۰ دلار می‌رسد.

فال می‌گوید محتوای تولیدشده از طریق API را می‌توان با رعایت شرایط استفاده این سرویس به‌صورت تجاری به کار برد. بااین‌حال، این مجوز به معنای حق دانلود، تغییر یا اجرای مستقل خود مدل نیست.

برای ارزیابی پایداری، امنیت و نگهداری این زیرساخت، راهنمای پشتیبانی شبکه را نیز مطالعه کنید.