OpenAIच्या मदतीने पोलो एआय कल्पनांतून जाहिरात मोहिमा साकारते

निर्मितीचे तांत्रिक कौशल्य नसले तरी लोकांना आपल्या सर्जनशील कल्पनांतून तयार प्रतिमा आणि व्हिडिओ साकारता यावेत, या विचारातून पोलो एआय⁠(नवीन विंडोमध्ये उघडेल)ची स्थापना झाली. निर्मितिक्षम कृत्रिम बुद्धिमत्ता उपलब्ध असूनही, हवे तसे परिणाम मिळवण्यासाठी वेगवेगळी साधने हाताळणे आणि योग्य मॉडेल निवडणे आशयनिर्माते व विपणन व्यावसायिकांना कठीण जाऊ शकते. काही जण तर वैतागून आपले प्रकल्प अर्धवट सोडूनही देऊ शकतात.

“कॅनव्हाने रचनाकलेसाठी जे केले, ते आम्हाला व्हिडिओंसाठी करायचे आहे. आम्हाला हे इतके सोपे बनवायचे आहे की केवळ आधीपासून त्याचे ज्ञान असलेल्यांनाच नव्हे, तर अधिकाधिक लोकांना ते प्रत्यक्ष वापरता येईल,” असे पोलो एआयचे संस्थापक आणि मुख्य कार्यकारी अधिकारी बिल झू सांगतात. आज पोलो एआयचे २ कोटी ६० लाखांहून अधिक वापरकर्ते आहेत. ते या मंचावर व्हिडिओ, जाहिराती आणि दृश्य आशय तयार करतात.

व्हिडिओंचे तयार साचे हे संघाचे पहिले मोठे यश ठरले. आता आशयनिर्मात्यांच्या ३०% सत्रांची सुरुवात या साच्यांपासून किंवा सध्या लोकप्रिय असलेल्या मांडणीच्या कार्यप्रक्रियांपासून होते. या यशाला पुढे नेत कंपनीने नुकतेच पोलो एजंट सादर केले आहे. ते GPT‑6 Astra आणि GPT‑Image‑2.5 यांसह OpenAI मॉडेल्स वापरून व्हिडिओनिर्मितीसाठी प्रत्येक टप्प्यावर मार्गदर्शन करणारी कार्यप्रक्रिया देते. पोलो एआयच्या एका वापरकर्त्याने तयार केलेली ही महाविनाशानंतरच्या जगातील साहसकथाही त्याचेच उदाहरण आहे.

पोलो एजंट वापरकर्त्याच्या प्राथमिक कल्पना आणि दृश्य संदर्भ समजून घेते, त्यानंतर कथानके, दृश्यक्रम आणि पटकथा तयार करते. मुख्य तंत्रज्ञान अधिकारी पीटर झोऊ यांच्या मते, अस्पष्ट सर्जनशील सूचना समजून घेण्याची क्षमता आणि विविध प्रकारच्या माहितीवर काम करण्याची क्षमता यांमुळे OpenAI मॉडेल्स वेगळी ठरली. ते सांगतात, “या बाबतीत GPT‑5.6ची कामगिरी विशेष चांगली होती.” OpenAI एपीआयचे स्थैर्य आणि नव्या आवृत्त्या येण्याची नियमितताही महत्त्वाची वाटते, असे संघाने सांगितले.

रीझनिंगची सखोलता, वेग आणि खर्च यांचा समतोल राखण्यासाठी पोलो एआय काम योग्य मॉडेलकडे सोपवण्यासाठी GPT‑5.6 वापरते. तर कथानक विकसित करणे किंवा दृश्यांतील बदलांचे नियोजन करणे यांसारख्या अधिक आव्हानात्मक कामांसाठी GPT‑6 Astra वापरते. मॉडेल्सच्या या संयोगामुळे प्रणाली वापरकर्त्याच्या प्रॉम्प्टच्या आधारे कामाला आवश्यक तितक्या पातळीचे रीझनिंग वापरू शकते. पोलो एआयच्या माहितीनुसार, मॉडेल्स निवडण्यात किंवा बदलण्यात वापरकर्त्यांचा वेळ ५०% हून अधिक कमी जातो. त्यामुळे त्यांना सर्जनशील कामासाठी अधिक वेळ मिळतो.

पोलो एआय जनरेटिव मॉडेल्सची चाचणी वापरकर्त्यांचे प्रत्यक्ष प्रॉम्प्ट आणि कार्यप्रक्रिया वापरून करते. त्यात निर्मित आशयाची गुणवत्ता, सातत्य, शैलींचे वैविध्य, वेग आणि खर्च यांचे मूल्यमापन केले जाते. इमेज जनरेशनसाठी GPT‑Image‑2.5ची निवड करण्यात आली. ते आशयनिर्मात्यांना भित्तिपत्रके, दृश्यरूप कथाआराखडे आणि जाहिरात मोहिमांसाठी दृश्ये तयार करण्यात मदत करते.

पोलो एआयचे मुख्य वापरकर्ते आशयनिर्माते आहेत. कृत्रिम बुद्धिमत्तेने तयार केलेले आणि मानवी कलाकार वापरून अतिलघु नाट्यकथा तयार करण्यासाठी हा मंच विशेष लोकप्रिय आहे. मात्र, आता अधिकाधिक विपणन व्यावसायिक आणि व्यवसायमालकही झटपट व सहज व्हिडिओ तयार करण्यासाठी पोलो एआय वापरू लागले आहेत.

पोलोच्या विपणन स्टुडिओ साधनसंचातील ‘छायाचित्रापासून व्हिडिओ जाहिराती’ हे साधन OpenAI मॉडेल्स वापरून स्थिर प्रतिमा आणि प्रॉम्प्ट यांपासून लघु व्हिडिओ तयार करते. लहान व्यवसाय आणि थेट ग्राहकांना विक्री करणाऱ्या ब्रँडना समाजमाध्यमांसाठी उत्पादनांच्या जाहिराती तयार करताना दिवसांऐवजी अवघी काही मिनिटे लागावीत, या हेतूने ते बनवले आहे.

पोलो एआयच्या एका वापरकर्त्याला उत्पादनाच्या छायाचित्रावरून आलिशानतेची अनुभूती देणारी अत्तराची जाहिरात बनवायची होती. केवळ स्थिर छायाचित्रातून ती अनुभूती देता येत नव्हती आणि व्यावसायिक व्हिडिओ चित्रीकरणाचा खर्च त्यांना परवडणारा नव्हता.

‘छायाचित्रापासून व्हिडिओ जाहिरात’ हे साधन वापरून त्यांनी आपल्या मूळ प्रतिमेचे साधारण १५ सेकंदांच्या व्हिडिओ जाहिरातीत रूपांतर केले. संपूर्ण दृश्यक्रमात अपेक्षित वातावरण निर्माण करण्यासाठी या साधनाने मखमली पोत, उबदार रंगांचे प्रकाशझोत आणि बाटलीचे जवळून घेतलेले दृश्य तयार केले. शेवटी गडद लाल कापडाच्या पार्श्वभूमीवर अत्तराची बाटली दाखवली.

दागिन्यांचा ब्रँड असलेल्या आणखी एका ग्राहकाला मोहिमेसाठी फॅशन मासिकातील छायाचित्रासारखी ठसठशीत प्रतिमा हवी होती. मात्र, अशी कल्पक संकल्पना स्टुडिओत साकारण्यासाठी लागणारा खर्च त्यांच्या बजेटमध्ये बसत नव्हता.

चित्त्याशेजारी बसलेल्या मॉडेलच्या अंगावर आपले लक्षवेधी दागिने दाखवण्याची कल्पना या ब्रँडने पोलो एजंट आणि GPT‑Image‑2.5 वापरून प्रत्यक्षात आणली. या साधनाने गडद पडदे आणि उबदार प्रकाशयोजना वापरून दृश्य सजवले आणि ब्रँडचे दागिने ठळकपणे दिसतील याची काळजी घेतली.

प्रत्यक्ष चित्रीकरणाच्या तुलनेत कमी मेहनत, वेळ आणि खर्चात ग्राहकाला आलिशानतेची अनुभूती देणारे, मोहिमेत वापरण्यासाठी तयार असे दृश्य मिळाले.

पोलो एआयमुळे ग्राहकांना उत्पादनाच्या छायाचित्रापासून सुरुवात करून OpenAI मॉडेल्सच्या साहाय्याने त्याचे अधिक कल्पक प्रतिमेत रूपांतर करणेही सोपे जाते. उदाहरणार्थ, एका पेयांच्या ब्रँडला जाहिरात मोहिमेत आपला पीच सोडा खेळकर आणि कल्पनारम्य पद्धतीने सादर करायचा होता. पण नेहमीच्या स्टुडिओ छायाचित्रातून संघाच्या मनातील कल्पना साकारता येत नव्हती.

संघाने पोलो एजंट आणि सर्जनशील कामात अधिक सुस्पष्ट तपशील व जलद निर्मिती शक्य करणारे GPT‑Image‑2.5 वापरले. त्यातून बाटलीच्या साध्या प्रतिमेचे रूपांतर बर्फाच्छादित लघुदृश्यात झाले, ज्यात रेल्वेगाडी, सरडे आणि चमचमणारे थेंबही होते. अंतिम प्रतिमेत एक खेळकर दृश्य साकारले, जे ब्रँडला आपल्या मोहिमेत वापरता आले.

पुढील १२ महिन्यांत कृत्रिम बुद्धिमत्तेने व्हिडिओ तयार करणे हा दैनंदिन आशयनिर्मितीचा भाग बनावा, अशी पोलोची इच्छा आहे. झू यांच्या मते, त्यासाठी एखाद्या कल्पनेतून प्रकाशित करण्यास, चाचणी घेण्यास किंवा मोहिमेत वापरण्यास तयार असा आशय बनवणे आणखी सोपे व्हायला हवे. OpenAI मॉडेल्स आणि इमेज जनरेशनमधील सातत्यपूर्ण सुधारणांमुळे पोलो एआयला हे साध्य करता येत आहे.

ते म्हणतात, “आशयनिर्मितीत कृत्रिम बुद्धिमत्तेमुळे होणाऱ्या बदलाचा फायदा अशा उत्पादनांना होईल, असे आम्हाला वाटते जी सुरुवातीपासूनच सातत्याने चांगली निर्मिती करणे सोपे करतात. त्यासाठी अधिक प्रभावी साचे, कमी चाचपणी आणि मॉडेल्स वापरण्याची अधिक सोपी कार्यप्रक्रिया महत्त्वाची ठरेल.”