ഹിഗ്സ്ഫീൽഡ്: എഐ വീഡിയോ 1-ൽ നിന്ന് 10 മിനിറ്റിലേറെ

ഒരു ആശയമുള്ള ആർക്കും പ്രൊഫഷണൽ നിലവാരമുള്ള വീഡിയോകളും ചിത്രങ്ങളും സൃഷ്ടിക്കാനാകണം. ഇതാണ് ഹിഗ്സ്ഫീൽഡ് എഐ⁠(പുതിയ വിൻഡോയിൽ തുറക്കുന്നു)യുടെ ലക്ഷ്യം. GPT‑6 Astra വരുന്നതിനുമുമ്പ്, ആ വീഡിയോകളുടെ ദൈർഘ്യം പരമാവധി ഒരു മിനിറ്റോളമായിരുന്നു. ഇപ്പോൾ ഉപയോക്താക്കൾക്ക് 10 മിനിറ്റിലേറെ ദൈർഘ്യമുള്ള വീഡിയോകൾ സൃഷ്ടിക്കാനാകുമെന്ന് മുഖ്യ നിർവാഹക ഉദ്യോഗസ്ഥനും സഹസ്ഥാപകനുമായ അലക്സ് മഷ്റബോവ് പറയുന്നു.

ചെറിയ സർഗാത്മക സംഘങ്ങൾക്ക് കൂടുതൽ വലിയ ലക്ഷ്യങ്ങളുള്ള ജോലികൾ ഏറ്റെടുക്കാൻ ഹിഗ്സ്ഫീൽഡ് എഐ നൽകുന്ന സഹായങ്ങളിൽ ഒന്നുമാത്രമാണ് ദൈർഘ്യമേറിയ വീഡിയോകൾ. GPT‑6 Astra, GPT‑Image‑2.5 തുടങ്ങിയ മോഡലുകളിലൂടെ, ഉയർന്ന നിലവാരമുള്ള ഫാഷൻ പ്രചാരണങ്ങൾ തുടക്കംമുതൽ ഒടുക്കംവരെ ഒരൊറ്റ സ്രഷ്ടാവിന് നിർവഹിക്കാൻ ഇപ്പോൾ കഴിയുമെന്ന് അലക്സ് പറയുന്നു.

ഒരേ ഷോട്ടിന്റെ പല വകഭേദങ്ങൾ സൃഷ്ടിക്കുന്നതുപോലുള്ള ആവർത്തിച്ചുള്ള നിർമാണജോലികൾ ഹിഗ്സ്ഫീൽഡ് എഐയുടെ സർഗാത്മക ഏജന്റുകൾ ഏറ്റെടുക്കുന്നു. GPT‑6 Astra ഉപയോഗിക്കുമ്പോൾ, ത്രിമാന രൂപകൽപ്പനയിൽ മനുഷ്യർ നേരിട്ട് ചെയ്യേണ്ട സങ്കീർണമായ ജോലികൾക്കായി ഈ ഏജന്റുകൾക്ക് ബാഹ്യ ഉപകരണങ്ങളെ വിളിച്ചുപയോഗിക്കാനും കഴിയും. ദൈർഘ്യമേറിയ വീഡിയോകളിലുടനീളം ദൃശ്യസ്ഥിരത നിലനിർത്തുക എന്നത് സർഗാത്മക എഐ നേരിടുന്ന ഏറ്റവും പ്രയാസമേറിയ പ്രശ്നങ്ങളിലൊന്നാണ്. ഈ കഴിവ് അത് പരിഹരിക്കാൻ സഹായിക്കുന്നുവെന്ന് അലക്സ് പറയുന്നു.

ഹിഗ്സ്ഫീൽഡ് എഐയുടെ സ്വന്തം യൂട്യൂബ് ചാനലിൽ ഇതിനുള്ള തെളിവ് കാണാം. ചാനലിന് ഏകദേശം അഞ്ചുലക്ഷം വരിക്കാരുണ്ടെന്ന് അലക്സ് പറയുന്നു. എഐ മോഡലുകളും പ്രവർത്തനക്രമങ്ങളും എങ്ങനെ ഉപയോഗിക്കാമെന്ന് ഈ ചാനൽ സർഗാത്മക പ്രവർത്തകരെ പഠിപ്പിക്കുന്നു. മുമ്പ് ഈ ഉള്ളടക്കം നിർമിക്കാൻ ഹിഗ്സ്ഫീൽഡ് എഐയിലെ ജീവനക്കാർക്ക് ഏറെ അധ്വാനിക്കേണ്ടിവന്നിരുന്നു. എന്നാൽ GPT‑6 Astra ഉപയോഗിച്ച്, എഐയുടെ സഹായത്തോടെ 10 മിനിറ്റിലേറെ ദൈർഘ്യമുള്ള പഠന വീഡിയോകൾ നിർമിക്കുന്ന ഒരു പ്രവർത്തനക്രമം സംഘം രൂപപ്പെടുത്തിയിട്ടുണ്ട്.

ദൈർഘ്യമേറിയ പഠന വീഡിയോകൾ സൃഷ്ടിക്കാനുള്ള ഈ കഴിവ് അലക്സിന് വ്യക്തിപരമായും പ്രധാനമാണ്. കസാഖ്സ്ഥാനിലെ ഗ്രാമീണ വിദ്യാലയങ്ങൾക്ക് അദ്ദേഹം പിന്തുണ നൽകുന്നു. GPT‑6 Astraയുടെ ദൃശ്യങ്ങൾ മനസ്സിലാക്കാനുള്ള കഴിവ് ഉപയോഗിച്ച്, വിദ്യാർഥികൾക്ക് ബുദ്ധിമുട്ടുണ്ടായേക്കാവുന്ന വിഷയങ്ങൾ കണ്ടെത്താനും അവരുടെ പഠനാവശ്യങ്ങൾക്ക് അനുയോജ്യമായ വീഡിയോകൾ സൃഷ്ടിക്കാനുമുള്ള ഒരു പ്രാരംഭ ശ്രമത്തെക്കുറിച്ച് അദ്ദേഹം വിവരിക്കുന്നു.

പ്രചാരണത്തിനുള്ള ഉള്ളടക്കം സൃഷ്ടിക്കുന്ന ചെറുകിട ബിസിനസുകൾക്ക്, ചിത്രത്തോളംതന്നെ പ്രധാനമായേക്കാം അതിലെ വായിക്കാനാകുന്ന എഴുത്തും കൃത്യതയുള്ള വിവരചിത്രങ്ങളും. നിർമാണത്തിനായി വലിയ തുക ചെലവഴിക്കാനില്ലാത്ത ബിസിനസുകൾക്കും GPT‑Image‑2.5 ഇത്തരം ഉള്ളടക്കം സാധ്യമാക്കുന്നുവെന്ന് അലക്സ് പറയുന്നു.

“GPT‑Image‑2.5 അത്യാധുനികമാണ്. ചിത്രങ്ങൾക്കുമുകളിൽ എഴുത്തും വിവരചിത്രങ്ങളും വിശ്വസനീയമായി ചേർക്കാൻ കഴിയുന്ന, ഇത്തരത്തിലുള്ള ആദ്യത്തെ മോഡലാണിത്,” അദ്ദേഹം പറയുന്നു.

ഏകദേശം 200 സർഗാത്മക പ്രവർത്തകരും 100 എൻജിനീയർമാരും ചേർന്ന് അടുത്ത സഹകരണത്തിലൂടെയാണ് ഹിഗ്സ്ഫീൽഡ് എഐയുടെ ഉൽപ്പന്നം വികസിപ്പിക്കുന്നത്. Codex സർഗാത്മക സംഘത്തിന് “വളരെ പ്രഗത്ഭനായ ഒരു സോഫ്റ്റ്‌വെയർ എൻജിനീയറുടെ കരുത്ത്” നൽകുന്നുവെന്ന് അലക്സ് പറയുന്നു.

സർഗാത്മക പ്രവർത്തകർ തങ്ങളുടെ ആശയങ്ങളെ സോഫ്റ്റ്‌വെയറിന്റെ പ്രാരംഭ മാതൃകകളാക്കി മാറ്റാൻ Codex ഉപയോഗിക്കുന്നു. മുമ്പ്, ഈ പ്രാരംഭ മാതൃകകളെ യഥാർഥ ഉപയോഗത്തിന് സജ്ജമാക്കാൻ ഉപയോക്തൃമുഖവും പിന്നിലെ സംവിധാനങ്ങളും വികസിപ്പിക്കുന്ന എൻജിനീയർമാരുടെ വലിയ തോതിലുള്ള പങ്കാളിത്തം ആവശ്യമായിരുന്നു. ഇപ്പോൾ ഈ ആശയങ്ങൾ ഉൽപ്പന്നത്തിൽ ഉൾപ്പെടുത്താൻ വേണ്ട അധ്വാനം GPT‑6 Astra കുറയ്ക്കുന്നുവെന്ന് അലക്സ് പറയുന്നു.

പ്രാരംഭ മാതൃകയിൽ നിന്ന് അന്തിമ ഉൽപ്പന്നത്തിലേക്കുള്ള തടസ്സങ്ങൾ കുറയുന്നതിനാൽ, കൂടുതൽ മികച്ച ഉൽപ്പന്നങ്ങൾ വേഗത്തിൽ വികസിപ്പിച്ച് പുറത്തിറക്കാൻ ഹിഗ്സ്ഫീൽഡ് എഐക്ക് കഴിയുന്നുവെന്ന് അലക്സ് പറയുന്നു.

സ്രഷ്ടാക്കൾ ഒരു ആശയം പറഞ്ഞുവിവരിക്കുമ്പോൾത്തന്നെ അത് രൂപംകൊള്ളുന്നത് കാണാനാകണം. ഇതാണ് ഹിഗ്സ്ഫീൽഡ് എഐയുടെ അടുത്ത ലക്ഷ്യം. ഈ കാഴ്ചപ്പാടിനെ അലക്സ് “ശബ്ദത്തിൽ നിന്ന് സിനിമയിലേക്ക്” എന്ന് വിളിക്കുന്നു. സ്രഷ്ടാവ് പറഞ്ഞുവിവരിക്കുന്ന ഉദ്ദേശ്യം എഐ മനസ്സിലാക്കി, ആ ഭാവന അപ്പോൾത്തന്നെ ദൃശ്യരൂപത്തിലാക്കുന്നു.

ആസൂത്രണം, ഉപകരണങ്ങളെ വിളിച്ചുപയോഗിക്കൽ, ഇമേജ് ജനറേഷൻ, ശബ്ദം എന്നീ മേഖലകളിലെ OpenAIയുടെ മുന്നേറ്റങ്ങൾ ഈ അനുഭവം യാഥാർഥ്യമാകുന്നതിലേക്ക് അടുപ്പിക്കുന്നുവെന്ന് അദ്ദേഹം കരുതുന്നു. OpenAIയുടെ ശബ്ദ മോഡൽ “ശബ്ദം മനസ്സിലാക്കുന്നതിലും സാധാരണ ആശയവിനിമയത്തിലും ഈ വിഭാഗത്തിലെ ഏറ്റവും മികച്ചതാണ്” എന്ന് അദ്ദേഹം വിശേഷിപ്പിക്കുന്നു.

ഒരു ആശയം പറഞ്ഞുവിവരിക്കുന്നതുപോലെ സിനിമ സൃഷ്ടിക്കാനാകണം എന്നതാണ് ഹിഗ്സ്ഫീൽഡ് എഐയുടെ അഭിലാഷം. ആശയത്തിനും സിനിമയ്ക്കുമിടയിലെ കൂടുതൽ ജോലികൾ എഐ കൈകാര്യം ചെയ്യും.