سریع‌ترین هوش مصنوعی ویدیوساز جهان معرفی شد؛ FLUX 3 Max که حاصل همکاری fal.ai و Black Forest Labs است، می‌تواند یک ویدئوی ۱۰ ثانیه‌ای با وضوح 720p را در حدود ۱۲٫۴۵ ثانیه تولید کند؛ یعنی تقریبا هم‌زمان با طول خود ویدئو.
FLUX 3 Max هم تولید ویدئو از متن و هم تبدیل تصویر به ویدئو را پشتیبانی می‌کند. هدف توسعه‌دهندگان تنها ساخت سریع‌تر کلیپ نیست؛ به گفته fal، بهینه‌سازی مدل و فرایند اجرای آن امکان تولید نسخه‌های مختلف یک صحنه را در زمان کوتاه‌تری فراهم کرده است. این قابلیت برای تولیدکنندگان محتوا، طراحان و توسعه‌دهندگانی که به ساخت ویدئو با هوش مصنوعی نیاز دارند، اهمیت ویژه‌ای دارد.
FLUX 3 Max چیست و چه قابلیت‌هایی دارد؟
FLUX 3 Max یک مدل تولید ویدئو با هوش مصنوعی است که fal Research با همکاری Black Forest Labs توسعه داده است. این مدل بر پایه FLUX 3 ساخته شده و با آموزش تکمیلی و بهینه‌سازی فرایند اجرا، بر افزایش کیفیت بصری، درک بهتر دستورهای متنی و کاهش زمان تولید ویدئو تمرکز دارد. یکی از قابلیت‌های اصلی FLUX 3 Max، تولید ویدئو از متن (Text-to-Video) است. کاربر صحنه موردنظر، حرکت سوژه و نحوه حرکت دوربین را توصیف می‌کند و مدل بر اساس این توضیحات ویدئو می‌سازد. قابلیت دیگر آن، تبدیل تصویر به ویدئو (Image-to-Video) است. در این روش، کاربر یک عکس یا تصویر تولیدشده را به‌عنوان نقطه شروع انتخاب می‌کند و با نوشتن دستور متنی، حرکت سوژه و تغییرات صحنه را هدایت می‌کند. این مدل برای ساخت کلیپ‌های کوتاه، آزمایش ایده‌های بصری و تولید نسخه‌های مختلف از یک صحنه کاربرد دارد. سرعت بالاتر نیز به کاربران کمک می‌کند ایده‌های بیشتری را در زمان کمتری آزمایش کنند. طبق مشخصات منتشرشده در صفحه رسمی fal، وضوح خروجی پیش‌فرض مدل 720p است و امکان ارتقای وضوح ویدئو به 1080pنیز وجود دارد.
تبدیل تصویر به ویدئو با FLUX 3 Max
یکی از قابلیت‌های کاربردی FLUX 3 Max، تبدیل تصویر ثابت به ویدئو یا Image-to-Video است. کاربر تصویر اولیه را وارد می‌کند و با نوشتن یک دستور متنی، حرکت سوژه، رفتار عناصر محیط و مسیر دوربین را مشخص می‌کند. در نتیجه، لازم نیست تمام صحنه فقط از روی متن ساخته شود؛ یک عکس هم می‌تواند نقطه شروع ساخت کلیپ باشد. این روش برای جان‌بخشیدن به تصاویر تبلیغاتی، ساخت نماهای کوتاه برای شبکه‌های اجتماعی و آزمایش ایده‌های بصری کاربرد دارد. دقت خروجی همچنان به کیفیت تصویر ورودی، جزئیات دستور و تنظیمات تولید وابسته است.
ساخت ویدئو فقط با نوشتن یک دستور متنی
در قابلیت Text-to-Video، کاربر صحنه موردنظر را با کلمات توصیف می‌کند؛ از سوژه و محیط گرفته تا حرکت دوربین، نورپردازی و حال‌وهوای تصویر. FLUX 3 Max بر اساس این توضیحات ویدئو می‌سازد و امکان آزمایش ایده‌های مختلف را بدون نیاز به فیلم‌برداری اولیه فراهم می‌کند. برای مثال، در نمونه‌های رسمی fal می‌توان صحنه‌هایی با ترکیب عناصر وسترن و فناوری مدرن دید. چنین نمونه‌هایی نشان می‌دهند که دستور متنی می‌تواند هم موضوع اصلی و هم جزئیات بصری یک نما را هدایت کند.
FLUX 3 Max چقدر سریع‌تر از Seedance 2.5 است؟
بر اساس بنچمارک منتشرشده در وب‌سایت رسمی fal، تولید یک ویدیوی ۱۰ ثانیه‌ای با FLUX 3 Max حدود ۱۲٫۴۵ ثانیه زمان برده؛ درحالی‌که همین معیار برای Seedance 2.5 برابر با ۲۷۷٫۸ ثانیه گزارش شده است. یعنی در آزمون اعلام‌شده، مدل جدید fal این کلیپ را حدود ۲۲ برابر سریع‌تر تولید می‌کند. این اختلاف فقط به معنی انتظار کمتر نیست. وقتی تولید هر نسخه سریع‌تر انجام شود، طراح می‌تواند حرکت دوربین، ترکیب‌بندی و جزئیات یک صحنه را در چندین خروجی امتحان کند. البته زمان واقعی دریافت فایل ممکن است با توجه به صف پردازش و مراحل دیگر اجرا متفاوت باشد.
اولین دیدگاه مفید درباره این مطلب را شما بنویسید.