MiniMax یک سازنده ویدئو با هوش مصنوعی است که از Hailuo بیرون آمد و به دلیل واقع گرایی چشمگیر و مدل سازی حرکات دنیای واقعی به سرعت در رسانه های اجتماعی مورد توجه قرار گرفت. این شرکت در حال حرکت به وب سایت اختصاصی خود است زیرا راه اندازی جهانی را افزایش می دهد.
این جدیدترین سرمایه گذاری استارتاپ تک شاخ تحت حمایت علی بابا و تنسنت در زمینه هوش مصنوعی مولد است. برنامه همراه هوش مصنوعی آن Talkie بیش از 15 میلیون بار دانلود شده است و به شما امکان می دهد با یک ساخته مجازی مانند Character.ai چت کنید.
این ابزار در حال حاضر فقط دارای ویژگی تبدیل متن به ویدئو است، اما مدل تبدیل تصویر به ویدئو نیز به زودی ارائه می شود. همچنین نسخه دوم ابزار هوش مصنوعی در راه است که واقع گرایانه تر خواهد بود و امکان تولید طولانی تر و حرکات بهتر را فراهم می کند.
پلتفرم اختصاصی جدید همچنین به صورت پیش‌فرض به زبان انگلیسی توسعه می‌یابد و به گونه‌ای طراحی شده است که بتوان ویژگی‌های اضافی را در طول زمان اضافه کرد. این در رقابت مستقیم با پلتفرم ویدیویی مبتنی بر هوش مصنوعی Kling در چین است که در حال حاضر بسیاری از این ویژگی ها و بیشتر را دارد.
Hailuo MiniMax چقدر خوب کار می کند؟
ویژگی جدید☀️☀️Prompt Optimization اعلان های شما را بهینه می کند و بر ورودی اصلی شما برای افزایش کیفیت بصری و بهبود زیبایی شناسی کلی ویدیو استوار است. برای کنترل دقیق می‌توانید این ویژگی را غیرفعال کنید و مدل به‌طور دقیق از ورودی شما پیروی می‌کند (قبل از و… pic.twitter.com/YBW9tpm9rP.16 سپتامبر 2024
Hailuo MiniMax همان چیزی است که من به عنوان یک مدل درجه یک توصیف می کنم. او می تواند واقع گرایی چشمگیری را در خروجی خود به نمایش بگذارد. مشکلاتی وجود دارد، اما بیشتر آنها همان مشکلاتی هستند که گریبان یک محصول جدید هوش مصنوعی را می‌گیرند: استنتاج کند و حداقل ویژگی‌ها. اما برای هدف اصلی خود که ساخت ویدیو با هوش مصنوعی است، فوق العاده است.
من زمان کافی را صرف یادگیری برخی از ویژگی‌های آن کرده‌ام، اما برخلاف Runway، Haiper، Luma Labs Dream Machine یا Kling، هیچ راهنمای جهت‌گیری وجود ندارد که به شما در جهت‌یابی نسل‌ها کمک کند. کاری که من انجام می دهم این است که به تغییر مسیرهای “ویدیوهای برجسته” نگاه کنم و از آن به عنوان راهنما استفاده کنم.
با به‌روزرسانی نسخه جدید، Hailuo یک ویژگی «اعلان جادویی» را اضافه کرد که از یک الگوی متنی برای تشریح‌تر کردن یک درخواست ساده استفاده می‌کند. متأسفانه، بر خلاف ویژگی‌های مشابه از Ideogram و دیگران، نشان نمی‌دهد که درخواست به چه چیزی تبدیل شده است.
MiniMax از نظر حرکت و جلوه های بصری با مدل ویدیویی هوش مصنوعی سورا، پرچمدار OpenAI و هنوز منتشر نشده مقایسه شده است. حتی من مقایسه را انجام دادم، اما آن را امتحان نکردم و خروجی آن را با ویدیوهای پیش نمایش Sora مقایسه کردم – نزدیک است، اما هنوز راه زیادی در پیش دارد، از جمله زمان ویدیو.
درخواست می کند که MiniMax را امتحان کنید
من این درخواست‌ها را بر این واقعیت استوار کردم که MiniMax اکنون می‌تواند آنها را به گونه‌ای توسعه دهد که با راهنمای سریع داخلی خودش مطابقت داشته باشد – این هنوز عمومی نشده است. بنابراین، هر کدام بیشتر یک مفهوم سطح بالا هستند تا آن گونه که من برای Runway یا Dream Machine به اشتراک بگذارم. نسخه های تشریحی بیشتری هم نوشتم.
نکته ای که باید به آن توجه کنید این است که شما می توانید هر بار فقط یک ویدیو تولید کنید. درست مانند سایر پلتفرم‌ها که باعث می‌شوند همزمان روی چندین ویدیو کار کنید، در اینجا نیز باید منتظر بمانید تا هر کدام به پایان برسد.
1. پادشاهی آسمان سورئال در داخل یک کره شیشه ای
اعلان توصیفی: “در محدوده یک کره شیشه ای عظیم که بر فراز دریای وسیع و متلاطم شناور است، پادشاهی سورئال در آسمان نهفته است. صخره های ناهموار از ابرها برمی خیزند که با قلعه های ماورایی که با پل های ظریف و درخشان به هم متصل شده اند. آسمان یک چرخش رنگ، یک روز بی پایان.” غروب خورشید جهان را در صورتی ملایم، ارغوانی و طلایی غرق می کند. در بالا، موجودات افسانه ای مانند گریفین و ققنوس به زیبایی در هوا می چرخند، کره شیشه ای به آرامی منظره را منحرف می کند و صحنه را احساس می کند. هم رویایی و هم شکننده، گویی کل پادشاهی هر لحظه می‌تواند در ابری ناپدید شود: «دوربین به آرامی می‌چرخد و حرکت آرام موجودات و نور سوسوزن را که از سطح کره منعکس می‌شود، ثبت می‌کند و فضایی ماورایی ایجاد می‌کند. از صلح و جادو.”
2. روستای روستایی در طلوع آفتاب
اعلان توصیفی: “هنگامی که سپیده دم در افق نمایان می شود، دهکده ای آرام روستایی بیدار می شود. درخشش ملایم خورشید به آرامی سقف خانه های سنگی کوچک را روشن می کند و سایه های بلندی را بر روی مزارع طلایی گندم می افکند. پرندگان شروع به جیک جیک می کنند و مه نازکی درست بالای آن باقی می ماند. زمین، صحنه را آرام می‌گذارد، در حالی که کشاورزان برای روز آماده می‌شوند، در حالی که با ابزارهایی در دست در امتداد جاده‌های خاکی راه می‌روند، دوربین به آرامی در سراسر منظره حرکت می‌کند و انتقال صلح‌آمیز از شب به روز را ثبت می‌کند با تاکید بر سادگی و زیبایی زندگی در روستا.”
3. بازار خیابانی شهر صبح زود
دستور توصیفی: “در قلب یک شهر شلوغ، یک بازار خیابانی در ساعات اولیه صبح زنده می شود. دستفروشان غرفه های خود را برپا می کنند و محصولات تازه، میوه های رنگارنگ، سبزیجات و کالاهای محلی را به نمایش می گذارند. دوربین در اطراف بازار می چرخد و عکس می گیرد. صدای مکالمه، خش‌خش صندوق‌ها و صدای جک سکه‌ها عجله دارند.»، عده‌ای از عابران پیاده آرام در میان غرفه‌ها پرسه می‌زنند، محصولات را بررسی می‌کنند و با فروشندگان گپ می‌زنند، فضا پر جنب و جوش اما آرام است. آفتاب گرم صبح نور ملایمی روی صحنه می‌تابد، بوی نان تازه و قهوه در فضا می‌پیچد.»
4. قایق های ماهیگیری در حال بازگشت به ساحل
دستور توصیفی: «با نزدیک شدن به پایان روز، ناوگانی از قایق‌های ماهیگیری کوچک از میان آب‌های آرام سر می‌زنند و پس از یک روز طولانی در دریا به ساحل بازمی‌گردند. آسمان از غروب خورشید نارنجی و صورتی می شود و به آب درخششی ملایم می بخشد. ماهیگیران خسته اما خوشحال شروع به تخلیه صید خود در اسکله کوچکی می کنند که محلی ها برای بررسی صید آن روز جمع می شوند. مرغ‌های دریایی بالای سرشان می‌چرخند و گریه‌هایشان به فضای ساحلی می‌افزاید. “دوربین زیبایی بی‌آرام قایق‌هایی را به تصویر می‌کشد که در افق با امواج ملایمی که به ساحل برخورد می‌کنند، پایانی مسالمت‌آمیز برای کار روزانه را به تصویر می‌کشد.”
5. تبادل متروپولیتن در ساعات شلوغی
اعلان توصیفی: «یک تقاطع شلوغ در قلب یک شهر بزرگ، در ساعات شلوغی، جریان‌های مردم از همه جهت گذرگاه‌ها را پر می‌کنند. آسمان‌خراش‌های بلند در بالا برج هستند، پنجره‌های آنها نور ملایم عصر را منعکس می‌کنند، در حالی که بوق‌های ماشین، قدم‌ها و دوردست‌ها. مکالمات فضا را پر می کند.» این دوربین روی حرکت تمرکز می کند و تنوع افراد را به تصویر می کشد: افراد حرفه ای با کت و شلوار، دوچرخه سوارانی که در حال تردد در ترافیک هستند و عابران پیاده با کیسه های خرید، همه در حال انجام کارهای روزمره خود هستند، اتوبوس ها و تاکسی ها در حال تردد هستند. بیلبوردهای دیجیتالی که با تبلیغات تپنده می شوند، این صحنه انرژی و ریتم بی امان زندگی شهری را به تصویر می کشد، که تنوع آن را با تأکیدی ظریف منتقل می کند.
6. زن در کافه به صورت متحرک صحبت می کند
اعلان توصیفی: “در یک کافه کوچک و دنج، زنی حدودا 30 ساله پشت میز می نشیند و به صورت متحرک با یکی از دوستان روبروی خود صحبت می کند. دستانش حرکاتی رسا انجام می دهند تا هیجان در صدایش را تکمیل کنند و با لبخند به جلو خم می شود. نور خورشید از پنجره بزرگ پشت سرشان به داخل می‌آید.”، درخشش گرمی روی میز چوبی می‌افکند و فنجان‌های قهوه در جلوی آنها بخار می‌کند، پس‌زمینه با صدای جیر جیر لیوان‌ها و مکالمات آرام زنده می‌شود، در حالی که دوربین روی آن تمرکز می‌کند. عبارات پر جنب و جوش و حرکات طبیعی زن که گرمای ارتباط انسانی را در یک محیط آشنا به تصویر می کشد.
7. کارگران ساختمانی در یک آسمان خراش
اعلان توصیفی: «در بالای خط افق شهر، گروهی از کارگران ساختمانی با احتیاط روی تیرهای فولادی یک آسمان‌خراش ناتمام حرکت می‌کنند. آنها با پوشیدن کلاه های سخت و جلیقه های بازتابنده، از طریق سیگنال های دستی و دستورالعمل های فریاد زده با یکدیگر ارتباط برقرار می کنند و تیرها را در محل خود جوش می دهند. دوربین از چهره‌های متمرکز آنها نماهای نزدیک می‌گیرد، عرق روی ابروهایشان می‌درخشد، در تضاد با شهر وسیع زیر. آسمان‌خراش‌های دیگری در دوردست بالا می‌آیند که توسط آسمان آبی روشن قاب شده‌اند. این صحنه بر دقت و خطر وظایف کارگران تاکید می کند، در حالی که صدای جرقه های جوشکاری، چکش و زمزمه ملایم ترافیک بسیار پایین تر، فضایی غنی و صنعتی را ایجاد می کند.
افکار نهایی
من چند درخواست را با ایده سطح بالا اجرا کردم و از MiniMax خواستم ایده را در یک درخواست دقیق اصلاح کند. سپس آن را مجدداً با دستور واضح و واضح خودم اجرا کردم تا ببینم کدام بهتر کار می کند.
چیزی که من کشف کردم این بود که اعلان های توصیفی خودم از نظر دید و حرکت واقعی تر از نسخه فوری تصفیه شده بودند. این ممکن است ربطی به این واقعیت داشته باشد که MiniMax به زبان چینی آموزش دیده بود و من به زبان انگلیسی درخواست می کردم.
من متوجه شده ام که اگر به دنبال خروجی خاصی هستید، بهتر است یک درخواست سفارشی ایجاد کنید. اگر می خواهید یک مفهوم کلی داشته باشید و ایده خاصی از آنچه باید در ذهن خود داشته باشید ندارید، خوب است از اصلاح سریع استفاده کنید.
اطلاعات بیشتر از راهنمای تام
منبع: tomsguide
نظرات کاربران