ایجنت ویدیویی جدید فوتور ساخت ویدیو با هوش مصنوعی را به پروژه‌ای کاملاً قابل ویرایش تبدیل می‌کند

اگر تا به حال از ابزارهای ویدیویی هوش مصنوعی استفاده کرده باشید، احتمالاً متوجه روندی جالب شده‌اید: خلق ویدیوهایی با جلوه‌های بصری خیره‌کننده روزبه‌روز آسان‌تر می‌شود، اما تبدیل همان ویدیوها به محصولی تجاری و آماده انتشار هنوز فرسنگ‌ها با سادگی فاصله دارد. اگر زیرنویس ویدیو اشتباه باشد چه اتفاقی می‌افتد؟ اگر مشخصات یک محصول نیاز به به‌روزرسانی داشته باشد چه؟ یا اگر نشان‌واره (لوگو) برند در جای نادرستی قرار بگیرد، آیا باید تمام ویدیو را دوباره از نو تولید کرد؟

شاید چنین نقص‌هایی برای ویدیوهای خلاقانه و روزمره در شبکه‌های اجتماعی قابل چشم‌پوشی باشند، اما در ویدیوهای معرفی محصول، بازاریابی برند و تبلیغات تجاری، ویدیوها باید بسیار فراتر از تصاویری چشم‌نواز ظاهر شوند. این محتواها باید کاملاً دقیق، از نظر بصری یکپارچه و مهم‌تر از همه، به‌سادگی قابل ویرایش باشند.

اینجا دقیقاً همان نقطه‌ای است که «فوتور ایجنت» (Fotor Agent) وارد میدان می‌شود. این ابزار که در ماه اوت عرضه شد، بر پایه تجربه طولانی شرکت فوتور در حوزه ویرایش عکس و طراحی بصری توسعه یافته است و قابلیت‌های هوش مصنوعی خود را به سراسر فرآیند تولید ویدیو گسترش می‌دهد. فوتور ایجنت به‌جای آنکه صرفاً کلیپ‌های پراکنده تولید کند، قصد دارد به کاربران کمک کند پرامپت‌های متنی خود را از نخستین مراحل برنامه‌ریزی محتوا تا تحویل نسخه نهایی، به ویدیوهایی کامل تبدیل نمایند.

کار با این ابزار از جایی آغاز می‌شود که کاربر ویدیوی مدنظرش را در قالب پرامپت‌های متنی شرح می‌دهد. سپس فوتور ایجنت با سازمان‌دهی فرآیند تولید، دارایی‌های بصری، زیرنویس‌ها، فایل‌های صوتی و انیمیشن‌ها را درون یک پروژه واحد گرد هم می‌آورد. پس از آن می‌توان ویدیو را روی یک خط زمانی چندترکه بررسی و ویرایش کرد؛ جایی که تک‌تک اجزا را می‌توان بدون نیاز به رندر یا بازتولید کل ویدیو، به‌طور مستقل تغییر داد.

تبدیل پرامپت‌های متنی به پروژه‌های ویدیویی قابل ویرایش

جکسون ژانگ، مدیر ارشد عملیات فوتور، در گفت‌وگویی توضیح داد که فوتور ایجنت بر اساس اهداف خلاقانه کاربران محتوا را برنامه‌ریزی می‌کند و وظایفی نظیر تولید عناصر بصری، رندر گرافیکی، زیرنویس‌ها، صداگذاری و انیمیشن‌سازی را هماهنگ می‌سازد. در نهایت، این سیستم همه بخش‌ها را درون یک پروژه ویدیویی یکپارچه گرد هم می‌آورد.

به‌عنوان نمونه در یک ویدیوی معرفی محصول، سیستم باید کاری فراتر از تولید صرف تصاویر انجام دهد. هوش مصنوعی باید نماها، متن‌ها، نمودارها، صداهای گوینده و انیمیشن‌ها را در قالب توالی منظمی بچیند. در تولید محتوای تجاری، هماهنگی بی‌نقص این اجزا با یکدیگر اهمیتی به مراتب بیشتر از جذابیت بصری یک نمای منفرد دارد.

یکی از قابلیت‌های کلیدی فوتور ایجنت، توانایی آن در ساخت پروژه‌های ویدیویی است که ساختار درونی و خط زمانی (تایم‌لاین) خود را حفظ می‌کنند. کاربران می‌توانند هر بار که تغییری جزئی لازم است، متن‌ها، داده‌ها، نشان‌واره‌ها، عناصر بصری و انیمیشن‌ها را به‌صورت مستقل ویرایش کنند، بدون اینکه ناچار باشند کل ویدیو را از نو بسازند. علاوه بر این، امکان بررسی و تنظیم دقیق جزئیات به‌صورت مستقیم روی تایم‌لاین چندترکه وجود دارد.

فرآیند پشت‌پرده برای ساخت ویدیوهای باکیفیت‌تر با هوش مصنوعی

با پیشرفت مداوم مدل‌های بنیادین، ابزارهایی که از مدل‌های متفرقه مشابه استفاده می‌کنند ممکن است تصاویری با کیفیتی تقریباً یکسان ارائه دهند. در چنین فضایی، ایجاد مزیتی رقابتی فراتر از قابلیت‌های پایه این مدل‌ها به چالشی بسیار حیاتی برای پلتفرم‌های تولید محتوای هوش مصنوعی تبدیل شده است.

ژانگ اشاره می‌کند که فوتور مدل‌های هوش مصنوعی متفرقه را با الگوریتم‌های اختصاصی پردازش تصویر و ابزارهای ویرایشی خود تلفیق کرده است. در حالی که مدل‌های عمومی بخش عمده پردازش‌ها را به دوش می‌کشند، فوتور در سناریوهای مشخصی فناوری اختصاصی خود را به کار می‌گیرد.

به عقیده او، قابلیت‌هایی که تقلید یا کپی‌برداری از آن‌ها دشوارتر است، به تمام چرخه خلق اثر مربوط می‌شوند؛ از جمله برنامه‌ریزی خودکار، ساخت موشن‌گرافیک، ویرایش میلی‌متری و دقیق و در نهایت، کیفیت و اثربخشی محصول خروجی.

این موضوع دلیل تمرکز فوتور ایجنت بر موشن‌گرافیک (MG) و پروژه‌های ویدیویی قابل ویرایش را به‌خوبی روشن می‌کند. تبلیغات محصولات، نمایش بصری داده‌ها و ویدیوهای آموزشی اغلب نیازمند ترکیب هم‌زمان نمودارها، متون، انیمیشن‌ها و نمادهای برند هستند. کاربران از یک سو خواهان سرعت بالای هوش مصنوعی در تولید محتوا هستند و از سوی دیگر، به کنترلی دقیق روی تک‌تک اجزای ویدیو نیاز دارند.

با این حال، یکپارچه‌سازی فرآیند تولید به این معنا نیست که تمام موانع برطرف شده‌اند. حفظ هماهنگی میان دارایی‌های خلق‌شده توسط مدل‌های مختلف، تفسیر دقیق دستورات پیچیده کاربر و اطمینان از اینکه ویرایش‌های نقطه‌ای تداخلی در سایر بخش‌های ویدیو ایجاد نکنند، همچنان از چالش‌های پیش‌روی ابزارهای ویدیویی هوش مصنوعی به شمار می‌روند.

آزمون تجاری‌سازی تازه در ابتدای راه است

فوتور ایجنت تولیدکنندگان محتوا، فروشگاه‌های اینترنتی و تیم‌های بازاریابی برندها را هدف گرفته است. این گروه از کاربران علاوه بر نیاز جدی به افزایش سرعت و بهره‌وری، بر دقت بالا و کیفیت نهایی محصول نیز تأکید ویژه‌ای دارند.

ژانگ می‌گوید فوتور ایجنت از زمان عرضه به درآمدزایی رسیده است، هرچند این محصول هنوز در مراحل اولیه تبلیغات و بهینه‌سازی قرار دارد. طبق آمارهای شرکت، فوتور در حال حاضر بیش از ۱۲ میلیون کاربر فعال ماهانه در بیش از ۲۰۰ کشور و منطقه جهان دارد.

با این حال، این اعداد و ارقام نمایانگر کل جامعه کاربران فوتور هستند و نباید آن‌ها را معیاری برای سنجش رشد یا نرخ حفظ کاربران اختصاصی فوتور ایجنت در نظر گرفت.

فوتور برای جذب کاربران بین‌المللی بر کانال‌هایی مانند بهینه‌سازی موتورهای جستجو (SEO)، اینفلوئنسر مارکتینگ، تعامل در انجمن‌ها و تبلیغات کلیکی تکیه دارد. این شرکت همچنین برای درک بهتر سبک‌های بصری و نیازهای خاص بازارهای گوناگون، مستقیماً با تولیدکنندگان محتوا و برندهای بومی وارد تعامل می‌شود.

ژانگ تأکید می‌کند که بومی‌سازی محصولات ویدیویی مفهومی فراتر از ترجمه زبانی صرف است و مستلزم شناخت عمیق از سلیقه‌های بصری، الگوهای برقراری ارتباط و سناریوهای کاربردی در دنیای واقعی خواهد بود.

ابزار فوتور ایجنت اکنون باید ثابت کند که فرآیند یکپارچه تولید ویدیو در آن می‌تواند بهره‌وری را تا حدی افزایش دهد که کاربران حاضر به پرداخت هزینه برای آن باشند و هم‌زمان عادات کاری پایداری در میان آنان شکل بگیرد.

هوش مصنوعی فرآیند تولید را ساده می‌کند، اما قضاوت خلاقانه با انسان است

ژانگ معتقد است که طی ۱ تا ۲ سال آینده، ایجنت‌های هوش مصنوعی بخش بیشتری از وظایف برنامه‌ریزی محتوا، سازمان‌دهی دارایی‌ها و مراحل تولید را به دوش خواهند کشید؛ امری که به تیم‌های کوچک اجازه می‌دهد ویدیوهایی بسازند که پیش‌تر نیازمند همکاری چندین متخصص گوناگون بود. با این حال، تصمیم‌گیری درباره پیامی که محتوا باید منتقل کند و قضاوت درباره اینکه آیا خروجی نهایی به اهداف تعیین‌شده رسیده است یا خیر، کماکان بر عهده انسان خواهد بود.

اولویت بعدی فوتور، افزایش دقت و سهولت در ویرایش ویدیوهاست. در ویدیوهای تجاری، تک‌تک متون، ارقام و عناصر هویتی برند باید بی‌نقص باشند. میزان سهولت در ویرایش این جزئیات پس از فرآیند تولید، عاملی کلیدی در پذیرش گسترده این ابزار در بازار خواهد بود.

مرحله بعدی رقابت در عرصه ویدیوهای هوش مصنوعی احتمالاً صرفاً به این خلاصه نمی‌شود که کدام ابزار می‌تواند صحنه‌های واقع‌گرایانه‌تری بیافریند، بلکه میدان نبرد بر سر این خواهد بود که کدام پلتفرم می‌تواند ایده‌های خلاقانه را با اطمینان بالاتر و سرعتی بیشتر به محتوایی تجاری و آماده انتشار تبدیل کند.

تولید ویدیو تنها بخشی از ماجراست؛ یک ایجنت هوش مصنوعی کارآمد باید خالقان محتوا را از کارهای تکراری و طاقت‌فرسای فنی رها سازد و در عین حال، امکان کنترل کامل بر خروجی نهایی را در دستان آن‌ها باقی بگذارد.