Hiina liigub videogeneratsioonis ette: ByteDance ja Kuaishou panustavad lühivideotele
Hiina liigub videogeneratsioonis ette: ByteDance ja Kuaishou panustavad lühivideotele
Videogeneratsioon ei ole enam lihtsalt ilusate demode vitriin, vaid muutub kiiresti uueks massilise sisutootmise kihiks. Techmeme tõstis esile Financial Timesi loo: arendajad ütlevad üha sagedamini, et Hiina laborid näivad selles suunas Ameerika konkurentidest tugevamad. Loo keskmes on ByteDance ja Kuaishou, kaks ettevõtet, mis pole aastaid ehitanud laborimänguasju, vaid hiiglaslikke lühivideoplatvorme.
See ei ole oluline ainult seetõttu, et AI-võidujooksus tekkis veel üks riiklik punktiarvestus. Video on tekstist ja staatilistest piltidest raskem: mudel peab hoidma liikumist, stiili, montaaži, miimikat, stseeni füüsikat, häält ja juhise mõtet. Viga on kohe näha. Käsi võbeleb, tegelane „ujub“, kaamera hüppab imelikult ja maagia on läbi.
Hiina mängijatel on siin haruldane vara: nad teavad mitte ainult seda, kuidas kaadreid genereerida, vaid ka seda, kuidas inimesed tegelikult videoid vaatavad. TikTok, Douyin ja Kuaishou on aastaid kogunud signaale lõpuni vaatamise, kordusvaatamise, vahelejätmise, remiksi, jagamise ja reklaamireaktsioonide kohta. Isegi kui treeningandmete detailid on suletud, annab tootekeskkond ByteDance’ile ja Kuaishoule interneti visuaalse keele mõistmise, mida ei saa ühe investeerimisvooruga kiiresti osta.
Miks lühivideod muutusid eeliseks
Hea videomudel peab tegema rohkem kui „pilt, mis liigub“. Ta peab tajuma tempot, plaani suurust, üleminekuid, žeste, argist usutavust, koomilist ajastust ja reklaamilikku esitust. Lühivideoplatvormid on kümme aastat treeninud just seda mehaanikat: mis haarab vaataja esimestel sekunditel, millal ta lahkub, milline montaaž tundub loomulik ja milline näeb välja nagu esitlusest pärit õppeklipp.
Seetõttu ei taandu vaidlus sellele, kes näitab ilusamat kassi kohvikus või inimest vihmas. Mängus on ahel „andmed -> mudel -> toode -> publik“. Oma videoplatvormiga ettevõtetel on tee lühem: nad saavad generaatori panna redaktorisse, reklaamikabinetti, autorirakendusse või ettevõtete API-sse ja kohe kontrollida, mis pärisstseenides töötab.
Kuaishou reklaamib Kling AI-d juba järgmise põlvkonna loomeplatvormina. Klingi saidil lubab ettevõte multimodaalset juhiste mõistmist, storyboard’i kontrolli, tööd valguse ja heliga, tegelaste ja hääle järjepidevust ning keerulisi üleminekuid stseenide vahel. See on turunduskeel, kuid suund on näha: turg liigub ühekordsetelt efektsetelt klippidelt juhitava videotootmise poole.
ByteDance arendab Seed-perekonda ja videogeneratsiooni Volcano Engine’i kaudu. Volcengine’i dokumentatsioonis on eraldi jaotised videogeneratsiooni API ja Seedance 2.0 kohta: see ei ole enam ainult kasutajatele mõeldud vitriin, vaid taristu arendajatele, reklaamitiimidele ja ettevõtetele, kellel on vaja palju klippe kiiresti ja etteaimatava hinnaga.
Mis turul muutub
Tavakasutaja jaoks on video arusaadavam kui benchmark’id ja prompt engineering. Kui sellised mudelid muutuvad odavaks ja juhitavaks, saab väikeettevõte teha klippe ilma stuudiota, õpetaja kiiresti kokku panna selgitavaid stseene, turundaja testida kümneid reklaamivariante ja sisulooja muuta idee visuaalseks looks minutitega, mitte pärast päeva monteerimist.
Ent realistliku video kättesaadavus lööb ka usalduse pihta. Reklaam, poliitilised klipid, pettused, deepfake’id, võltsitud „tõendid“, sünteetilised suunamudijad - kõik see muutub odavamaks. Seetõttu tähendab liidrikoht videogeneratsioonis mitte ainult uut loometööriistade turgu, vaid ka võimu reeglite üle: kes märgistab sünteetika, kes eemaldab ohtliku sisu, kes otsustab, millised mudelid ja kellele on kättesaadavad.
Ameerika mängijad ei kao kuhugi: OpenAI arendab Sorat, Google Veot, Adobe Firefly Videot ning Runway ja Pika on ammu autoritega töötanud. Kuid video võib olla valdkond, kus tekstilaborite eelis ei kandu automaatselt üle. Siin on vaja liikumisandmeid, mobiilse sisu kultuuri, tootedistributsiooni ja pidevat tagasisidet inimestelt, kes iga päev klippe loovad ja vaatavad.
Euroopa ja väikeste turgude, näiteks Eesti, jaoks on järeldus lihtne: loov-AI ei tule üha vähem ainult Ameerika tellimustest. Hiina platvormid ja API-d saavad osaks reklaami, hariduse, sotsiaalmeedia ja ettevõttekommunikatsiooni tööriistakomplektist, eriti kui need osutuvad odavamaks, kiiremaks või mobiilvideo jaoks paremini kohandatuks. Generatiivse AI järgmine laine võib alata mitte vestlusaknas, vaid lühivideote redaktoris.
- techmeme.comDevelopers say Chinese AI labs lead US rivals in video generation, as ByteDance and Kuaishou train models on vast short-form video libraries from their own apps
- giftarticle.ft.comFinancial Times gift article link via Techmeme
- kling.aiKling AI
- volcengine.comSeedance 2.0 API 参考官方文档--方舟大模型服务平台-火山引擎
- commons.wikimedia.orgFile:Kuaishou headquarters, south gate (20220504102541).jpg - Wikimedia Commons
.jpg)
