مدل تازهٔ متن‌به‌ویدیو، تولید محتوای خبری را وارد مرحلهٔ تازه‌ای می‌کند

نسل تازه‌ای از مدل‌های متن‌به‌ویدیو معرفی شده که برخلاف نسخه‌های قبلی، برای اجرا به سخت‌افزار اختصاصی نیاز ندارد. سازندگان می‌گویند مدل روی سرورهای ابری معمولی اجرا می‌شود و یک ویدیوی یک‌دقیقه‌ای با کیفیت ۱۰۸۰p را در کمتر از سه دقیقه تولید می‌کند.

چه چیزی تغییر کرده

تفاوت اصلی در معماری مدل است. به‌جای تولید همهٔ فریم‌ها به‌صورت هم‌زمان، مدل ابتدا یک طرح حرکتی کم‌رزولوشن می‌سازد و سپس آن را مرحله‌به‌مرحله بزرگ می‌کند. این روش مصرف حافظه را تا حدود یک‌سوم کاهش می‌دهد.

همین کاهش مصرف حافظه است که اجازه می‌دهد مدل روی سخت‌افزار در دسترس اجرا شود؛ چیزی که تا پیش از این عملاً ممکن نبود و تولید ویدیو را در انحصار چند شرکت بزرگ نگه داشته بود.

کاربرد در تحریریه‌ها

چند رسانهٔ خبری بین‌المللی اعلام کرده‌اند که از این ابزار برای ساخت تصویرسازی متحرک گزارش‌های داده‌محور استفاده می‌کنند؛ جایی که فیلم‌برداری واقعی ممکن یا اقتصادی نیست. هیچ‌کدام فعلاً از آن برای بازسازی رویدادهای خبری استفاده نمی‌کنند.

خط قرمز ما روشن است: هر چیزی که بیننده ممکن است با تصویر واقعی اشتباه بگیرد، تولید نمی‌شود.

نگرانی‌ها

کارشناسان حوزهٔ اعتماد رسانه‌ای هشدار داده‌اند که ارزان شدن تولید ویدیو، تشخیص محتوای جعلی را سخت‌تر می‌کند. سازندگان مدل می‌گویند خروجی‌ها به‌صورت پیش‌فرض واترمارک دیجیتال دارند، اما پذیرفته‌اند که این واترمارک با پردازش مجدد قابل حذف است.

در کنار آن، مسئلهٔ حق نشر داده‌های آموزشی همچنان باز است و چند پروندهٔ حقوقی در این زمینه در جریان است.