Sora 2 یک ویدیوی تبلیغاتی ۱۵ ثانیهای تولید کرد که مشتری آن را با یک فیلمبرداری استودیویی ۳۰۰۰ دلاری اشتباه گرفت، در حالی که این کار را با هزینه ۰ دلار و در حدود ۳۰ ثانیه انجام داد. همان کلیپ، اگر با نسخه اول این ابزار رندر میشد، مصنوعی به نظر میرسید و به نصف روز زمان در استودیو نیاز داشت.
ارتقا از Sora 1 به Sora 2 یک پیشرفت تدریجی نیست. Sora 1 ویدیوهای پسزمینه (B-roll) یا کلیپهای آزمایشی را مدیریت میکرد، اما خروجی آن همچنان شبیه به یک مدل ساختهشده توسط کامپیوتر بود. در مقابل، Sora 2 تصاویری تولید میکند که مانند یک آگهی تجاری با نورپردازی حرفهای به نظر میرسد: نورپردازی واقعگرایانه، عمق میدان کم، ذرات ریز گرد و غبار معلق در هوا و چرخش نرم محصول. در یک آزمایش واحد، دستور (prompt):
“نمای نزدیک از یک کیس هدفون بیسیم مشکی مات روی سطح بتنی. چرخش آهسته. نورپردازی سینمایی، عمق میدان کم. ذرات ریز گرد و غبار در هوا. سبک عکاسی محصول.”
کلیپی تولید کرد که با یک فیلمبرداری پرهزینه برابری میکرد.
بررسی اعداد و ارقام
یک پیشفاکتور تولید سنتی برای همان کلیپ ۱۵ ثانیهای به شرح زیر است:
- اجاره استودیو – ۵۰۰ دلار
- تجهیزات – ۲۰۰ دلار
- عکاس/فیلمبردار – ۴۰۰ دلار
- پستولید – ۶۰۰ دلار
مجموع: ۱,۷۰۰ دلار
Sora 2 به هیچ استودیو، تجهیزات، خدمه یا پرسنل پستولیدی نیاز نداشت. فرآیند تولید حدود ۳۰ ثانیه طول کشید و کل گردش کار — شامل انتخاب بهترین مورد از میان ده واریانت تولید شده، افزایش کیفیت (upscaling)، تثبیت تصویر (stabilising) و افزودن موسیقی ساختهشده توسط هوش مصنوعی — تقریباً در ۲۵ دقیقه به پایان رسید. مشتری هیچ هزینهای برای سرویس هوش مصنوعی پرداخت نکرد و از نتیجه راضی بود.
چه کسانی از این تغییر تأثیر میپذیرند
اقتصادِ یک ویدیوی زیر یک دقیقهای با هزینه ۰ دلار، چندین گروه را که بر کارهای سطح عمومی (commodity-level) متکی هستند، تهدید میکند:
- عکاسان تصاویر استوک (Stock-footage) که تصاویر عمومی محصولات را میفروشند
- صاحبان استودیوهای کوچک که مدل کسبوکارشان بر اجارههای کوتاهمدت استوار است
- فیلمبرداران تازهکار که به جای ایده، بر سر قیمت رقابت میکنند
- عکاسان محصولات تجارت الکترونیک که برای هر فیلمبرداری هزینه دریافت میکنند
اینها متخصصان واقعی با هزینههای واقعی هستند. اختلاف قیمت، بازنگری در این موضوع را میطلبد که چه چیزهایی را میتوان به هوش مصنوعی سپرد و چه چیزهایی همچنان به لمس دست انسان نیاز دارد.
نقشهراهی برای حفظ جایگاه
کوتاهمدت: از هوش مصنوعی برای پاسخگویی به تقاضای مشتریان جهت سرعت استفاده کنید. این ابزار دهها نسخه مختلف را در چند ثانیه تولید میکند و به شما اجازه میدهد پیشنویسها را بسیار سریعتر از یک فیلمبرداری سنتی تحویل دهید.
میانمدت: از مرحله اجرا به مرحله مدیریت و انتخاب (curation) تغییر مسیر دهید. مهندسی پرامپت (Prompt engineering) — هنر عبارتپردازی برای گرفتن بهترین خروجی — به یک مهارت قابل دریافت هزینه تبدیل میشود. کنترل کیفیت، اصلاح رنگ (colour grading) و صیقل دادن مراحل نهایی همچنان ارزشمند هستند، زیرا هوش مصنوعی هنوز گاهی دچار خطاهای تصویری (artefacts) میشود.
بلندمدت: به تولیدکنندگان آموزش دهید که با هوش مصنوعی به عنوان یک نقطه شروع برخورد کنند، نه یک نقطه پایان. کسی که ۵۰ کلیپ تولید شده را بررسی میکند، سه موردی را که بهترین تناسب را با زیباییشناسی یک برند دارند انتخاب میکند و آنها را بهبود میبخشد، تخصص و مهارتی را ارائه میدهد که الگوریتم قادر به بازتولید آن نیست.
یک گردش کار ساخته شده بر اساس این ایدهها به این صورت است:
- تولید ده کلیپ با پرامپتهای متنوع.
- بررسی و انتخاب سه کاندیدای برتر.
- افزایش کیفیت و تثبیت هر انتخاب.
- افزودن موسیقی ساختهشده توسط هوش مصنوعی که با حالوهوای مورد نظر مطابقت دارد.
- تحویل بسته نهایی به مشتری.
کل این فرآیند در اجرای آزمایشی ۲۵ دقیقه طول کشید و مشتری خوشحال بود.
استدلال مخالف
Sora 2 نیاز به خلاقیت انسانی را از بین نمیبرد. این ابزار در تولیدات «سطح عمومی» (commodity) — مانند نمایش ساده محصولات، ویدیوهای پسزمینه (B-roll) معمولی یا کلیپهای کوتاه شبکههای اجتماعی — عالی عمل میکند.
نتیجهگیری
Sora 2 ثابت میکند که هوش مصنوعی اکنون میتواند کیفیت ویدیویی را فراهم کند که زمانی تنها در اختیار استودیوهای پولی بود و کلیپهای ارزان را به جایگزینهایی قابل اتکا برای ویدیوهای ساده محصول تبدیل میکند. فرصت واقعی در ترس از تکنولوژی نیست، بلکه در بازتعریف نقش خالق نهفته است: ارتقا از «سازنده ویدیو» به «مدیر و انتخابگر داستانسرایی بصری تقویتشده با هوش مصنوعی».
Source: https://dev.to/caicaibigtige/why-sora-2-makes-me-nervous-and-excited-about-ai-video-4lmf
Join the discussion: https://t.me/GyaanSetuAi