Lucy 2.5؛ تغییر سبک ویدیو بهصورت زنده و ثانیهای ۲ سنت
هوش مصنوعیClaude Opus 5خلاصهٔ کاملتر
Dreamina مدلی به اسم Lucy 2.5 معرفی کرده که کارش تغییر سبک ویدیو بهصورت بلادرنگه: فید زنده رو با کیفیت ۱۰۸۰p و ۳۰ فریم بر ثانیه و تأخیری نزدیک به صفر پردازش میکنه. یعنی هنوز دوربین داره میچرخه که شخصیت داخل کادر عوض شده، سبک بصری صحنه تغییر کرده یا یه شیء از قاب پاک شده — همهش با هدایت پرامپت متنی و تصویر رفرنس.
نویسنده تأکید میکنه اصطلاح «ویرایش ویدیو» اینجا گمراهکنندهست. Lucy 2.5 تایملاین نمیبره و کلیپ مرتب نمیکنه؛ کاری که میکنه بیشتر شبیه کامپوزیت و جلوههای ویژهٔ زنده روی فوتیج موجوده.
مکانیزمی که Dreamina بهعنوان راز پایداری خروجی مطرح میکنه self-anchoring ـه. تو تولید سادهٔ فریمبهفریم، خطاهای کوچیک و انحراف سبکی روی هم انباشته میشن و زنجیره کمکم به تصویر لرزون و مخدوش و اون حالت روانگردانی میرسه که آزمایشهای قبلی ویدیوی بلادرنگ رو خراب میکرد.
تو self-anchoring مدل آخرین خروجی خودش رو بهعنوان مرجع فریم بعدی میگیره، نه اینکه فقط به پرامپت اولیه یا فریم اول تکیه کنه. همین کالیبراسیون مداوم باعث میشه چهرهٔ شخصیت، پالت رنگ صحنه و شکل اشیا تو یه سکانس طولانی از دست نره — و دقیقاً همینه که یه رستایل چندثانیهای رو از حد یه دموی بامزه به چیز قابل استفاده میرسونه.
بخش غافلگیرکنندهٔ ماجرا قیمته. هزینهٔ تولید ویدیو تو کل صنعت داشته بالا میرفته، ولی API این مدل حدود ۲ سنت برای هر ثانیه در ۷۲۰p قیمت خورده. با این ساختار هزینه، اجرای پیوسته یا نیمهپیوستهٔ پردازش ویدیو از نظر مالی منطقی میشه، بهجای اینکه هر تولید یه رویداد گرون و حسابشده باشه.
ولی یه شکاف بین دمو و واقعیت هست: فعلاً اپلیکیشن مصرفکنندهای وجود نداره، هرچند تو ویدیوهای معرفی یکی با گوشی دور و برشو زنده رستایل میکنه. دو راه دسترسی هست: یه پلیگراند تحت مرورگر با افکتهای آماده و پشتیبانی از پرامپت و آپلود رفرنس، و API مستقیم برای توسعهدهندهها. اون تجربهٔ «گوشی رو بگیر و تماشا کن» رو باید خودت روی API بسازی.
کاربردیترین استفاده تو کوتاهمدت، به گفتهٔ نویسنده، محصول نهایی نیست بلکه پیشتصویرسازیه: با گوشی یه فوتیج خام از بلاکینگ صحنه بگیر، با Lucy 2.5 فوراً نسخهٔ رستایلشده یا تعویض شخصیت رو ببین، تصمیم خلاقانه رو بگیر، و بعد نسخهٔ نهایی رو از یه مدل ویدیو-به-ویدیوی کندتر و باکیفیتتر رد کن.
این دقیقاً همون الگوییه که داره تو کل ابزارهای ویدیوی AI شکل میگیره: یه حلقهٔ سریع و ارزون برای تکرار، بهعلاوهٔ یه مرحلهٔ کندتر برای فینیشینگ — بهجای اینکه یه مدل قرار باشه همهکار رو انجام بده.
نکات کلیدی:
- پردازش زندهٔ ۱۰۸۰p با ۳۰ فریم بر ثانیه و تأخیر نزدیک به صفر
- تعویض شخصیت، تغییر سبک صحنه، افزودن جلوه و حذف شیء با پرامپت و تصویر رفرنس
- self-anchoring با مرجعقراردادن آخرین فریم تولیدشده از انحراف تصویر جلوگیری میکنه
- قیمت API حدود ۲ سنت برای هر ثانیه در ۷۲۰p
- فعلاً فقط پلیگراند مرورگری و API؛ اپ اختصاصی وجود نداره
- بهترین کاربرد فعلی پیشتصویرسازی سریع قبل از رندر نهاییه
