دانلود کده

پلتفرم هوش مصنوعی fal.ai با همکاری شرکت آلمانی Black Forest Labs، مدل جدید تولید ویدیوی خود با نام FLUX 3 Max را رونمایی کرد. این مدل قادر است یک ویدیوی ۱۰ ثانیه‌ای را تنها در ۱۲.۴۵ ثانیه تولید کند. این سرعت در مقایسه با مدل Seedance 2.5 که برای تولید همان ویدیو ۲۷۷.۸ ثانیه زمان نیاز دارد، حدود ۲۲ برابر سریع‌تر است.

بر اساس مقایسه‌های منتشر شده توسط فال، هر دو مدل از نظر کیفیت، امتیاز یکسانی کسب کرده‌اند. این سرعت بالا به طراحان و تولیدکنندگان محتوا این امکان را می‌دهد تا نسخه‌های مختلف یک صحنه را با سرعت بیشتری آزمایش کنند و تغییرات مورد نظر خود را بدون اتلاف وقت زیاد اعمال کنند. البته، ادعاهای مربوط به سرعت و کیفیت باید با در نظر گرفتن شرایط آزمون و محدودیت‌های بنچمارک‌ها مورد بررسی قرار گیرند.

معرفی مدل هوش مصنوعی تولید ویدیو FLUX 3 Max

بر اساس رتبه‌بندی وب‌سایت Artificial Analysis در زمینه تولید ویدیو از تصویر، که در تاریخ ۱۹ اکتبر منتشر شد، مدل FLUX 3 Max امتیاز ۱۱۳۹ را به دست آورده است که این امتیاز برابر با Dreamina Seedance 2.5 است.

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 نشان می‌دهد که مدل تقریباً در زمانی نزدیک به مدت زمان خود ویدیوی خروجی، کار می‌کند.

این ارقام توسط شرکت ارائه شده‌اند و مستندات مدل نیز تأکید می‌کنند که تنظیمات و شرایط اجرای مدل بر زمان متن آهنگ تکمیل خروجی تأثیرگذار است. بنابراین، نمی‌توان انتظار داشت که همه درخواست‌ها در همین مدت زمان آماده شوند.

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

FLUX 3 Max بر پایه مدل FLUX 3 Video شرکت Black Forest Labs توسعه یافته است. به گفته فال، آموزش‌های بیشتر بر روی این مدل با هدف پیروی دقیق‌تر از دستورات کاربران، بهبود ظاهر خروجی‌ها و کاهش زمان تولید انجام شده است.

توسعه‌دهندگان می‌توانند از طریق رابط برنامه‌نویسی کاربردی (API) به دو روش تولید ویدیو 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.

این مدل از ویدیوهایی با طول ۵ تا ۲۰ ثانیه پشتیبانی می‌کند و خروجی را با وضوح ۷۲۰ پیکسل تولید می‌کند. 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 خواهد رسید.

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