أعلنت “علي بابا كلاود” أنها جعلت نماذج الذكاء الاصطناعي لصناعة الفيديوهات متاحة مجانًا في إطار جهودها الحثيثة للمساهمة في مجتمع المصدر المفتوح.

وفتحت شركة الحوسبة السحابية مصادر أربعة نماذج من إصداراتها ذات الـ 14 مليار عامل متغير و1.3 مليار عامل متغير من سلسلة Wan2.1، وهي أحدث نسخة من نموذج توليد الفيديوهات Tongyi Wanxiang (Wan).

وتم تصميم النماذج الأربعة، T2V-14B وT2V-1.3B وI2V-14B-720P وI2V-14B-480P، لتوليد صور وفيديوهات عالية الجودة من النصوص ومدخلات الصور، وهي متاحة للتنزيل على مجتمع علي بابا كلاود لنماذج الذكاء الاصطناعي Model Scope، ومنصة الذكاء الاصطناعي التعاونية Hugging Face، والتي يمكن الوصول إليها من قبل الأكاديميين والباحثين والمؤسسات التجارية في جميع أنحاء العالم.

وتعتبر سلسلة Wan2.1، التي تم الكشف عنها في وقت سابق من هذا العام، أول نموذج لصناعة الفيديو يدعم تأثيرات النص باللغتين الصينية والإنجليزية، وهي تتميز بصناعة مواد مرئية واقعية من خلال التعامل بدقة مع الحركات المعقدة، وتعزيز جودة البكسل، والالتزام بالمبادئ الفيزيائية، وتحسين دقة تنفيذ التعليمات. وبفضل دقتها في اتباع التعليمات، تصدرت Wan2.1 قائمة VBench، مجموعة المقارنة المرجعية الشاملة بين نماذج توليد الفيديو. كما أنها نموذج توليد الفيديوهات الوحيد مفتوح المصدر بين الخمسة الأوائل على قائمة VBench في Hugging Face.

ووفقًا لـ VBench، فإن سلسلة Wan2.1 تحتل الصدارة في جوانب رئيسية مثل الدرجة الديناميكية والعلاقات المكانية واللون والتفاعلات بين الكائنات المتعددة حيث حصلت على مجموع درجات مقداره 86.22%.

ويتطلب تدريب نماذج صناعة الفيديوهات موارد حوسبة هائلة وكميات ضخمة من بيانات التدريب عالية الجودة. كما يساعد الوصول المفتوح في تذليل الصعاب أمام المزيد من الشركات للاستفادة من الذكاء الاصطناعي، مما يمكّنها من إنشاء محتوى مرئي عالي الجودة ومصمم خصيصًا لتلبية احتياجاتها بتكلفة معقولة.

ويعد نموذج T2V-14B أكثر ملاءمة لإنشاء مواد مرئية عالية الجودة ذات ديناميكيات حركة كبيرة، بينما يحقق نموذج T2V-1.3B التوازن بين جودة التوليد والقوة الحسابية، ما يجعله مثالياً لمجموعة واسعة من المطورين المعنيين بالتطوير الثانوي والبحث الأكاديمي. وعلى سبيل المثال، يسمح طراز T2V-1.3B للمستخدمين الذين لديهم حواسيب محمولة قياسية بإنشاء فيديو مدته 5 ثوانٍ بدقة 480 بكسل في حوالي 4 دقائق.

وبالإضافة إلى دعم تحويل النص إلى فيديو، توفر النماذج I2V-14B-720P وI2V-14B-480P أيضًا إمكانيات تحويل الصورة إلى فيديو. إذ يحتاج المستخدمون ببساطة إلى إدخال صورة واحدة مع وصف نصي موجز لتوليد محتوى فيديو ديناميكي. وتدعم المنصة مدخلات الصور ذات الحجم العادي لجميع الأبعاد.

وكانت علي بابا كلاود واحدة من أوائل شركات التكنولوجيا العالمية الكبرى التي جعلت نموذج الذكاء الاصطناعي واسع النطاق الذي طورته ذاتياً مفتوح المصدر، حيث أطلقت أول نموذج مفتوح لها Qwen (Qwen-7B) في أغسطس عام 2023. وتتصدر نماذج Qwen المفتوحة قوائم HuggingFace للنماذج المفتوحة باستمرار، ويضاهي أداؤها أداء نماذج الذكاء الاصطناعي العالمية الرائدة وفق معايير مختلفة.

وحتى الآن، تم تطوير أكثر من 100 ألف نموذج مشتق من عائلة نماذج Qwen على Hugging Face، مما يجعلها واحدة من أكبر عائلات نماذج الذكاء الاصطناعي على مستوى العالم.