رونمایی از ابزار Magnific One؛ خداحافظی با ظاهر تصنعی هوش مصنوعی و رعایت دقیق هویت برندها

دنیای تولید تصویر با هوش مصنوعی مولد از روز‌های ابتدایی دال-ئی (DALL-E) و میدجورنی (Midjourney) در سال‌های ۲۰۲۱ و ۲۰۲۲ تا امروز مسیر بسیار درازی را طی کرده است. با این حال، حتی با وجود پیشرفته‌ترین مدل‌های امروزی که از متن‌های درون تصویر و اینفوگرافیک‌های پیچیده پشتیبانی می‌کنند، چشم تیزبین انسان‌ها همچنان می‌تواند «ظاهر تصنعی هوش مصنوعی» (AI Look) را تشخیص دهد و از آن دوری کند؛ ویژگی‌های ناخوشایندی مثل بافت‌های بیش‌ازحد پر از جزئیات، درخشش‌های غیرطبیعی و پلاستیکی، و غذاها یا محصولاتی که در مقایسه با دنیای واقعی بی‌نهایت بی‌نقص، پرحجم و غیرواقعی به نظر می‌رسند.

برای نمونه، کافی است به خروجی‌های رایج هوش مصنوعی نگاه کنید تا متوجه این حس غیرطبیعی و تصنعی شوید:

حالا پلتفرم ابری Magnific ادعا می‌کند که می‌تواند این مشکل را حل کند. این پلتفرم مدلی سفارشی برای تولید تصویر ارائه کرده که با راهنمایی طراحان گرافیک انسانی این شرکت شکل گرفته تا تصاویری بسیار طبیعی‌تر، انسانی‌تر و باورپذیرتر تولید کند: مدل Magnific One که امروز رسماً معرفی شد، یک سیستم هدایت هنری مبتنی بر هوش مصنوعی را با قابلیتی جدید به نام کیت برند (Brand Kit) ترکیب کرده است؛ سیستمی که دستورالعمل‌های بصری هر شرکت را به شکل خودکار روی تصاویر اعمال می‌کند، میزان تطابق خروجی با استانداردها را می‌سنجد و قبل از انتشار، به اصلاح مشکلات کمک می‌کند.

سوفیا لوپز مارتین، مدیر بازاریابی محصول در Magnific، در یک مصاحبه تصویری گفت: «در مدل‌های قبلی تولید تصویر، این احساس وجود داشت که یا باید ثبات بصری داشته باشید یا خلاقیت؛ داشتن هر دو با هم ممکن نبود.» او در ادامه توضیح داد:

«تیم خلاقیت ما این مدل را دقیقاً به این دلیل ساخت که هر دو ویژگی را هم‌زمان می‌خواست. من می‌خواهم مدل من را شگفت‌زده کند؛ می‌خواهم بافت‌های جدیدی ببینم که انتظارش را نداشتم، اما در عین حال اگر دستورالعمل هنری یا جهت‌گیری بصری مشخصی به آن دادم، خیالم راحت باشد که مدل دقیقاً به همان پایبند می‌ماند.»

این سیستم جدید در حال حاضر برای مشترکان پولی پلتفرم Magnific از طریق وبسایت، اپلیکیشن‌های دسکتاپ و موبایل، و همچنین ادغام با پروتکل بستر مدل (Model Context Protocol یا MCP) در دسترس است؛ قابلیتی که به کاربران اجازه می‌دهد از داخل دستیارهای هوش مصنوعی معروفی مثل ChatGPT و Claude هم به امکانات آن دسترسی داشته باشند.

چرا این موضوع برای برندسازی سازمانی اهمیت دارد؟

برای مشتریان شرکتی و سازمانی، جذابیت این ویژگی کاملاً مشخص است: به جای این‌که هر کارشناس بازاریابی، طراح یا آژانس تبلیغاتی مجبور باشد هویت بصری یک برند را بارها و بارها از طریق پرامپت‌های طولانی برای مدل توضیح دهد، Magnific قصد دارد این دستورالعمل‌ها را یک‌بار ثبت کند تا در کل فرایند تولید تصویر، دوباره قابل‌استفاده و الزام‌آور باشند.

در جریان جلسه معرفی این فناوری، لوپز مارتین با استفاده از یک کیت برند نمونه که برای یک رسانه مطرح طراحی کرده بود، نحوه کارکرد سیستم را به نمایش گذاشت و نشان داد که این ابزار چگونه می‌تواند عناصر هویت بصری آن رسانه را در گرافیک‌های تبلیغاتی بازتولید کرده و مغایرت‌ها را مشخص کند.

این شرکت همچنین از یک نکته فنی بسیار مهم پرده برداشت: با این‌که Magnific One به عنوان یک مدل تصویر اختصاصی معرفی می‌شود، در واقع متکی بر فناوری GPT Image 2 از شرکت OpenAI است که با سیستم هدایت هنری اختصاصی Magnific ارتقا یافته است.

این تفاوت نشان‌دهنده یک تغییر جهت بزرگ‌تر در صنعت تولید تصویر با هوش مصنوعی است؛ جایی که شرکت‌ها دیگر فقط بر سر توسعه مدل‌های پایه با هم رقابت نمی‌کنند، بلکه رقابت اصلی بر سر ابزار‌هایی است که این مدل‌ها را برای تولید محتوای حرفه‌ای در کسب‌وکارها کاربردی و قابل‌استفاده می‌کنند.

نگاهی به درون Magnific One؛ مدیر هنری هوش مصنوعی میان پرامپت و تصویر

به گفته Magnific، در اغلب سیستم‌های تولید تصویر، کاربر خودش باید تک‌تک جزئیات خروجی نهایی را توصیف کند؛ از ترکیب‌بندی و نورپردازی گرفته تا تکنیک‌های عکاسی و سبک گرافیکی.

اما Magnific One رویکرد متفاوتی را در پیش گرفته و یک مرحله هدایت هنری و کارگردانی خلاقانه را بین دستور اولیه کاربر و فرایند نهایی تولید تصویر اضافه کرده است.

این سیستم ابتدا پرامپت ورودی را تحلیل می‌کند، مراجع و تصاویر ارائه‌شده را بررسی می‌نماید و شیوه پردازش بصری مناسب را تعیین می‌کند؛ سپس این دستورالعمل‌های نهایی را به مدل تولید تصویر پایه ارسال می‌نماید.

برای کاربران حرفه‌ای، این یعنی یک توصیف کوتاه از یک پوستر تبلیغاتی یا تصویرگری خبری می‌تواند بدون نیاز به تعیین تک‌تک تصمیم‌های طراحی توسط کاربر، به یک ترکیب‌بندی بصری غنی و چشم‌نواز تبدیل شود.

مارتین لوبلان، مدیر ارشد تجربه کاربری در Magnific، تفاوت اصلی این محصول را در بیانیه رسمی رونمایی این‌طور شرح داد: «اکثر مدل‌های تولید تصویر در ساختن دقیق عکسی که توصیف کرده‌اید بسیار ماهرند؛ اما Magnific One همان تصویری را می‌سازد که اگر یک مدیر هنری کارکشته کنارتان نشسته بود، به آن می‌رسیدید.»

لوپز مارتین تأکید کرد هدف آن‌ها ترکیب نتایج زیبایی‌شناختی غافلگیرکننده‌ای است که هوش مصنوعی مولد خلق می‌کند، با آن سطح از قابلیت پیش‌بینی و کنترلی که طراحان حرفه‌ای به آن نیاز دارند.

او معتقد است ژنراتورهای فعلی کاربران را بر سر دوراهی می‌گذارند: یا خروجی‌هایی پر از خلاقیت که از دستورات شما فاصله می‌گیرند، یا تصاویری کاملاً منطبق بر متن که خسته‌کننده، کلیشه‌ای و تکراری به نظر می‌رسند.

او در جریان این نشست توضیح داد: «ما می‌خواستیم هر دوی این‌ها را یک‌جا داشته باشیم.»

مدیران Magnific این ابزار را پاسخی به موج فزاینده تبلیغات، تصویرگری‌ها و طرح‌های تکراری و شبیه به هم می‌دانند که با ابزار‌های هوش مصنوعی ساخته می‌شوند.

لوپز مارتین توضیح داد که چطور این روز‌ها رستوران‌ها و کسب‌وکارهای کوچک به شکل گسترده از پوسترهایی با ظاهر کاملاً تابلو و مشخص هوش مصنوعی استفاده می‌کنند. او اشاره کرد تیم خلاقیت Magnific سیستمی می‌خواست که بتواند بدون فدا کردن کیفیت و ثبات، خروجی‌هایی کاملاً متمایز و خاص تحویل دهد.

ابزار Magnific One دو حالت برای تولید تصویر ارائه می‌دهد:

حالت پیش‌نویس (Draft mode) با هزینه اعتبارِ تنها یک تصویر، هشت یا شانزده ترکیب‌بندی متنوع از یک پرامپت تولید می‌کند تا کاربران بتوانند قبل از انتخاب مسیر نهایی، سبک‌ها، فضاها و رویکردهای بصری گوناگون را با یکدیگر مقایسه کنند.

حالت نهایی (Final mode) تصاویری با کیفیت بالا‌تر و رزولوشن 2K یا 4K تولید می‌کند. اگر کاربران دقیقاً بدانند چه می‌خواهند، می‌توانند مستقیماً به سراغ این حالت بروند، یا یکی از طرح‌های منتخب حالت پیش‌نویس را به یک تصویر نهایی باکیفیت تبدیل کنند.

این سیستم همچنین تا ۵ تصویر مرجع را برای هدایت دقیق خروجی نهایی می‌پذیرد.

قابلیت Brand Kit؛ تبدیل کتابچه هویت بصری شرکت‌ها به دستورات دائمی هوش مصنوعی

شاید مهم‌ترین بخش این رونمایی برای کسب‌وکارها، سیستم مکمل Brand Kit باشد؛ ابزاری که سعی دارد یکی از بزرگ‌ترین چالش‌های استفاده از هوش مصنوعی مولد در سازمان‌های بزرگ را برطرف کند: حفظ یک هویت بصری مشخص و هماهنگ وقتی افراد زیادی به صورت مستقل در حال تولید محتوا هستند.

راه‌اندازی کیت برند با مستندات آشنای شرکتی شروع می‌شود؛ از جمله فایل PDF کتابچه راهنمای برند، وبسایت، تصاویر قبلی یا توصیفات متنی.

سپس یک ایجنت هوش مصنوعی این مستندات را تحلیل کرده و طرحی اولیه از هویت بصری برند شامل لوگوها، تایپوگرافی، پالت رنگی، سبک تصویرگری و حس‌وحال کلی طراحی را ایجاد می‌کند.

کاربران می‌توانند خروجی را بررسی کرده، خطاها را اصلاح نمایند، جزئیات جاافتاده را بیفزایند و آن را به عنوان یک دستورالعمل دائمی ذخیره کنند.

کیت ساخته‌شده می‌تواند بین تیم‌های مختلف به اشتراک گذاشته شود و به پروژه‌های مختلف اختصاص یابد. حتی یک آژانس تبلیغاتی که با مشتریان متعدد کار می‌کند، می‌تواند برای هر برند یک کیت جداگانه نگهداری کند.

وقتی کارکنان با استفاده از حالت Final در Magnific One به تولید تصویر می‌پردازند، کیت برند انتخاب‌شده روی ترکیب‌بندی اولیه و طراحی تأثیر می‌گذارد.

سیستم در ادامه هر تصویر را با درک خود از برند ارزیابی می‌کند و به دنبال ناهماهنگی‌هایی در سبک بصری، انتخاب رنگ‌ها، تایپوگرافی یا نحوه قرارگیری لوگو می‌گردد. علاوه بر این، بررسی‌های کیفی گسترده‌تری را هم برای مواردی مانند نقص‌های بصری (Artifacts)، کادربندی نادرست و متن‌های ناخوانا انجام می‌دهد.

اگر تصویری در این ارزیابی‌ها رد شود، رابط کاربری مشکل را مشخص می‌کند و به کاربر اجازه می‌دهد درخواست اصلاح آن را ثبت کند.

این تفکیک از آن جهت اهمیت دارد که نوشتن دستورالعمل‌های برند در پرامپت، هرگز تضمین نمی‌کند که مدل تصویرساز از آن‌ها اطاعت کند. پلتفرم Magnific در تلاش است تا یک لایه راستی‌آزمایی و اصلاح به فرایند اضافه کند، هرچند ادعا نمی‌کند که تک‌تک خروجی‌های اولیه بی‌نقص و کاملاً منطبق خواهند بود.

قابلیت Brand Kit اختیاری است و در حال حاضر فقط روی Magnific One فعال است، نه سایر مدل‌های تولید تصویری که در پلتفرم Magnific ارائه می‌شوند.

دموی عملی؛ پیاده‌سازی هویت بصری یک رسانه درون محیط کاربری

برای نشان دادن نحوه کارکرد این فناوری، لوپز مارتین پیش از جلسه یک کیت برند نمونه برای یک رسان�� مطرح آماده کرده بود. او اطلاعات عمومی موجود درباره هویت بصری آن رسانه را جمع‌آوری کرد و به ایجنت برندسازی Magnific سپرد؛ ایجنتی که کیت اولیه‌ای شامل ویژگی‌های طراحی آن رسانه تولید کرد. رابط کاربری اطلاعات مربوط به لوگو، تایپوگرافی احتمالی، انتخاب‌های رنگی و سبک تصاویر دلخواه را به همراه نمونه‌ها و راهنماهای بصری گردآوری کرد.

لوپز مارتین توضیح داد شرکت‌هایی که کتابچه رسمی راهنمای برند دارند، می‌توانند همان مستندات را بارگذاری کنند تا دقت نتایج اولیه به مراتب بالا‌تر برود.

او سپس با انتخاب این کیت برند، یک طرح گرافیکی تبلیغاتی آزمایشی برای رویداد آن رسانه تولید کرد. سیستم رهنمودهای بصری ذخیره‌شده را روی تصویر اعمال نمود، اما خروجی اولیه نتوانست تمام تست‌های انطباق با برند را با موفقیت پشت سر بگذارد.

رابط کاربری ایرادهایی پیرامون استفاده از یک رنگ فرعی و پس‌زمینه بیش‌ازحد نمایشی و تئاتری پشت سر سخنران ثبت کرد و آن را مغایر با هویت تثبیت‌شده آن رسانه دانست.

لوپز مارتین نشان داد که یک کارمند چگونه می‌تواند مشکل شناسایی‌شده را انتخاب کرده و از Magnific بخواهد آن را بدون نیاز به بازنویسی کامل پرامپت اصلاح کند.

او همچنین نشان داد که همین فرایند کاری می‌تواند برای اعمال تغییرات بیش‌تر روی متن و سایر المان‌های بصری نیز به کار رود.

این مثال به‌ویژه برای سازمان‌هایی کاربردی است که در آن‌ها اعضای تیم بازاریابی، ویراستاران، تیم‌های برگزاری رویداد و پیمانکاران خارجی همگی ذیل یک هویت شرکتی مشترک محتوا تولید می‌کنند.

یک مجموعه می‌تواند یک کیت برند واحد بسازد و آن را در اختیار ده‌ها کارمند بگذارد تا دیگر نیازی نباشد هر فرد تکنیک‌های پیچیده پرامپت‌نویسی را یاد بگیرد یا مجموعه‌ای اختصاصی از مراجع بصری برای خودش نگه دارد.

به همین ترتیب، یک فروشگاه زنجیره‌ای می‌تواند برای هر خط تولید کیت جداگانه‌ای بسازد و آژانس‌های تبلیغاتی هم می‌توانند دستورالعمل‌های مجزایی برای هر مشتری داشته باشند.

پلتفرم Magnific ابزار‌های Auto Layers و Designer را هم برای اعمال تغییرات دقیق روی تایپوگرافی، رنگ‌ها و متن‌ها در نظر گرفته تا نیازی به ساخت دوباره کل تصویر نباشد. ویرایش‌های تکمیلی هم از طریق جریان‌های کاری سازگار با فتوشاپ (Photoshop) و فیگما (Figma) امکان‌پذیر است.

البته این دمو مستقیماً توسط خود Magnific اجرا شد و محصول هنوز در یک بررسی مستقل مورد محک قرار نگرفته است؛ با این وجود، نمایشی عینی از نحوه ادغام این محصول در فرایندهای طراحی سازمانی ارائه داد.

استفاده از مدل GPT Image 2 اوپن‌ای‌آی؛ واقعاً چه چیزی آموزش دیده است؟

شاید تأمل‌برانگیزترین بخش ماجرا زمانی رقم خورد که از لوپز مارتین خواسته شد درباره معماری فنی زیربنای Magnific One توضیح دهد. برخلاف غول‌هایی که مدل‌های پایه را از صفر آموزش می‌دهند، Magnific به یک سیستم موجود تکیه کرده و فناوری خلاقیت خود را به آن افزوده است. لوپز مارتین گفت: «قدرت این سیستم توسط مدل GPT-Image-2 تأمین می‌شود.»

او در ابتدا تغییرات اعمال‌شده توسط Magnific را به عنوان «آموزش تکمیلی (Post-training) روی نسخه دوم GPT» توصیف کرد، اما بعداً فناوری متمایز این سیستم را «مبتنی بر پرامپت» و متشکل از دستورالعمل‌های متنی تدوین‌شده توسط متخصصان طراحی این شرکت خواند.

این اظهارات باعث ایجاد یک ابهام فنی قابل‌توجه شد؛ چرا که در یادگیری ماشین، آموزش تکمیلی (Post-training) به معنای آموزش مجدد یا بهینه‌سازی پارامترهای یک مدل موجود پس از توسعه اولیه آن است. در مقابل، مهندسی پرامپت و هدایت زنجیره‌ای، رفتار مدل را بدون تغییر دادن وزن‌های درونی آن تغییر می‌دهد.

جالب اینجاست که در صفحه پرسش‌های متداول (FAQ) رسمی Magnific موضعی کاملاً شفاف در این باره اتخاذ شده است. در پاسخ به این پرسش که آیا شرکت مدل اختصاصی خود را آموزش داده، نوشته شده است: «خیر. هیچ مدلی آموزش ندیده است.»

این مستندات به جای آموزش مدل، خروجی‌های جذاب Magnific One را به بهینه‌سازی پرامپت، مراجع بصری، راهنماهای کارگردانی هنری و اعمال قواعد برند پیش از تولید تصویر نسبت می‌دهند.

همچنین در بخش FAQ نامی از GPT Image 2 به عنوان مدل زیربنایی برده نشده و تنها به‌اصطلاح عام «فناوری‌های فعلی تولید تصویر» بسنده شده است. از این رو، مصاحبه و مستندات کتبی تفاسیر متفاوتی از نقش فنی Magnific ارائه می‌دهند؛ سخنان لوپز مارتین نوعی دستکاری یا آموزش روی مدل را القا می‌کند، در حالی که FAQ سیستمی پیرامونی بدون آموزش مدل را شرح می‌دهد.

هر دو روایت فناوری هدایت هنری Magnific را نقطه تمایز اصلی می‌دانند، اما مشخص نمی‌کنند که آیا وزن‌های مدل زیرین واقعاً تغییر کرده است یا خیر.

این تفکیک فنی برای تیم‌های سازمانی اهمیت بالایی دارد؛ چرا که باید بدانند آیا در حال خرید یک مدل هوش مصنوعی کاملاً مستقل هستند یا نرم‌افزاری کاربردی که روی دوش فناوری یک شرکت دیگر سوار شده است. این امر همچنین بر مسائلی چون استقلال از OpenAI، قابلیت جابه‌جایی و امکان استفاده از این سیستم هدایت هنری روی سایر مدل‌های پایه اثرگذار است.

نمایندگان Magnific اعلام کردند در حال بررسی راه‌هایی برای توسعه این فناوری روی سایر ژنراتورهای تصویر هستند؛ با این حال، در حال حاضر Magnific One و کیت برند فقط به عنوان بسته‌ای یکپارچه ارائه می‌شوند و شرکت هنوز پاسخی فنی برای تناقض میان ادعای «آموزش تکمیلی» و بیانیه «عدم هرگونه آموزش» ارائه نداده است.

مقایسه Magnific One با Runway، Adobe Firefly، Midjourney و FLUX

منابع: قیمت‌گذاری Magnific، قیمت‌گذاری API در Runway، مدل‌های سفارشی Adobe Firefly، پلن‌های Midjourney و قیمت‌گذاری FLUX.2 Pro در Fal.ai.

پلتفرم Magnific با رقابت سنگینی روبه‌رو است، به‌ویژه به این دلیل که چندین پلتفرم نام‌آشنا همین حالا هم راه‌هایی را برای حفظ ثبات بصری در تصاویر هوش مصنوعی فراهم کرده‌اند.

نزدیک‌ترین رقیب مستقیم احتمالاً شرکت Runway است که کیت‌های برند اختصاصی خود را عرضه کرده است. کیت‌های Runway به سازمان‌ها امکان می‌دهد تصاویر، لوگوها، رنگ‌ها، توضیحات و مراجع بصری دیگر را در پروژه‌ها ذخیره کرده و به اشتراک بگذارند. ایجنت هوش مصنوعی ران‌وی می‌تواند از این منابع حین تولید تصویر استفاده کند یا از روی یک PDF یا دستورالعمل متنی، کیت برند بسازد.

به‌روزرسانی‌های سپتامبر ۲۰۲۶ شرکت Runway ساخت کیت برند مبتنی بر ایجنت و دسترسی به آن‌ها از طریق ادغام با MCP را اضافه کرد. درست مانند Magnific، ران‌وی نیز استفاده مجدد از بستر برند را راهکاری برای کاهش زحمت تولید دارایی‌های بصری یکپارچه تبلیغاتی می‌داند.

شرکت ادوبی با Adobe Firefly رویکرد متفاوتی در پیش گرفته است. قابلیت مدل‌های سفارشی (Custom Models) ادوبی به شرکت‌ها اجازه می‌دهد مدل‌های اختصاصی را روی تصاویر تاییدشده خود آموزش دهند تا خروجی‌هایی منطبق بر سبک‌های بصری، کاراکترها یا سوژه‌های خاص تحویل بگیرند. این تفاوت فنی بسیار مهم است: برخلاف توصیف کتبی Magnific از Brand Kit به عنوان یک سیستم هدایت پرامپت، ادوبی صراحتاً به آموزش مدل‌های اختصاصی بر پایه دارایی‌های بصری مشتری می‌پردازد.

در این میان، میدجورنی (Midjourney) قابلیت مراجع سبک و تصویر را ارائه می‌دهد که می‌تواند خروجی‌ها را به سمت زیبایی‌شناسی موردنظر هدایت کند. میدجورنی بر کنترل خلاقانه و کیفیت بصری تمرکز دارد، هرچند فرایند مبتنی بر مرجع آن با مدیریت ساختاریافته برند سازمانی و بررسی‌های خودکار انطباق که Magnific روی آن دست گذاشته، تفاوت دارد.

مدل‌های FLUX از شرکت Black Forest Labs رقیب پرقدرت دیگری در عرصه تولید تصویر هستند. توسعه‌دهندگان می‌توانند از طریق سرویس‌هایی مانند Fal.ai مستقیماً به مدل‌های تولید و ویرایش FLUX دسترسی داشته باشند، فرایندهای کاری مبتنی بر تصاویر مرجع طراحی کنند و مدل‌ها را متناسب با نیازهای خاص شخصی‌سازی نمایند. هرچند Fal.ai بیش‌تر زیرساخت ارائه می‌دهد تا یک ابزار نرم‌افزاری آماده، اما برای سازمان‌های دارای تیم فنی گزینه‌ای جذاب برای ساخت سیستم‌های اختصاصی برند روی APIهای تصویری است.

بنابراین تفاوت اصلی این نیست که آیا رقبا اصلاً می‌توانند سبک بصری را حفظ کنند یا نه؛ بلکه مسئله این است که کاربر یا سازمان چقدر باید برای ثبت، اشتراک‌گذاری، راستی‌آزمایی و اعمال این یکپارچگی زحمت بکشد.

یک نکته را نباید فراموش کرد: پلتفرم Magnific نمی‌تواند ادعا کند نخستین شرکتی است که کیت برند هوش مصنوعی ارائه می‌دهد؛ چرا که Runway دقیقاً قابلیتی با همین نام و امکانات مشابه، از جمله استفاده از ایجنت‌های هوش مصنوعی برای درک اطلاعات برند، عرضه کرده است.

نقطه قوت متمایز Magnific احتمالاً ترکیب هدایت هنری خودکار، تولید تصویر منطبق بر برند، بررسی‌های پس از تولید و ابزار‌های ویرایش دقیق درون یک فرایند کاری واحد است؛ هرچند برتری این ویژگی‌ها نسبت به سامانه‌های Runway یا Adobe هنوز توسط آزمون‌های مستقل اثبات نشده است.

ادعای برتری چشمگیر Magnific در آزمون‌های مقایسه کور

در جریان معرفی محصول، لوپز مارتین از یک آزمون مقایسه کور داخلی خبر داد که در آن شرکت‌کنندگان بدون دانستن نام مدل سازنده، تصویر موردعلاقه خود را انتخاب می‌کردند. مدل‌های حاضر در این مقایسه شامل Magnific One، میدجورنی، GPT Image 2، مدل Nano Banana 2 گوگل و Seedream 5 Pro بودند.

به گفته او، مدل Magnific One با کسب حدود ۶۸.۵ درصد نرخ برتری، در صدر این ارزیابی قرار گرفته است. او افزود این مقایسه‌ها بر سنجش زیبایی‌شناسی بصری تمرکز داشته و در برخی تست‌ها تصاویر حتی بدون پرامپت اولیه نمایش داده شده‌اند.

با این وجود، Magnific هنوز جزئیات کامل داده‌ها، نحوه نظرسنجی و متدولوژی این بنچمارک را منتشر نکرده است؛ بنابراین این آمار را نمی‌توان سندی مستقل برای برتری قطعی آن نسبت به رقبا دانست. همچنین مشخص نیست با ورود مدل‌های تازه‌تری مثل GPT Image 2.5 که در این آزمایش حضور نداشتند، نتایج چه تغییری می‌کرد.

برای مشتریان سازمانی، معیارهای مهم‌تری نظیر درصد تصاویری که بدون اصلاح با استانداردهای برند همخوانی دارند، تعداد دفعات ویرایش تا رسیدن به تایید نهایی و هزینه تمام‌شده هر طرح تبلیغاتی اهمیت دارد؛ سنجه‌هایی که شرکت هنوز آماری درباره آن‌ها ارائه نکرده است.

قیمت‌گذاری، اشتراک‌ها و شرایط دسترسی

مدل Magnific One در سراسر جهان برای دارندگان اشتراک‌های پولی پلتفرم در دسترس قرار گرفته و قیمت‌گذاری آن بر اساس رزولوشن و کیفیت تصویر تعیین شده است. این سرویس برای تصاویر باکیفیت 2K معادل ۱۸۰ کردیت، برای 4K معادل ۲۵۰ کردیت، و برای بالا‌ترین سطح کیفیت (Max) در رزولوشن 2K و 4K به ترتیب ۶۰۰ و ۱۰۰۰ کردیت دریافت می‌کند.

با توجه به تعرفه اشتراک‌های سالانه، این ارقام به معنای هزینه‌ای حدود ۰.۱۲ تا ۰.۷۳ دلار به ازای هر تصویر است (با این فرض که کاربر تمام کردیت‌های سالانه خود را مصرف کند). البته هزینه واقعی بسته به نوع پلن و تنظیمات متفاوت خواهد بود.

اشتراک‌های سالانه انفرادی این سرویس با پرداخت ماهانه ۱۴.۵۰ دلار برای پلن Premium شروع می‌شود و برای Premium+ به ۳۳.۷۵ دلار و برای Pro Starter به ۸۲.۵۰ دلار در ماه (قبل از احتساب مالیات) می‌رسد.

در هفته اول عرضه (از ۸ تا ۱۵ اکتبر)، این شرکت تولید نامحدود تصویر را روی اپلیکیشن دسکتاپ برای برخی اشتراک‌های رده‌بالا فعال کرده است. این طرح تشویقی شامل حالت‌های Draft و Final با کیفیت High در رزولوشن 2K و 4K می‌شود، اما تصاویر با کیفیت Max همچنان کردیت مصرف می‌کنند.

با این حال، در بررسی‌های انجام‌شده مشخص شد هنگام دانلود نرم‌افزار دسکتاپ و ورود با حساب‌های کاربری قدیمی، این طرح تشویقی فعال نشد و از کاربر خواسته شد برای استفاده از مدل جدید Magnific One اشتراک خریداری کند.

از آرشیو تصاویر استوک Freepik تا پلتفرم هوش مصنوعی Magnific

مدل Magnific One تازه‌ترین گام از دگردیسی بزرگ این شرکت مستقر در مالاگای اسپانیا است؛ مجموعه‌ای که بیش از پانزده سال با نام آشنای Freepik فعالیت می‌کرد.

سایت Freepik در سال ۲۰۱۰ توسط الخاندرو بلانس، پابلو بلانس و خواکین کوئنکا به عنوان موتور جستجو و مارکت‌پلیسی برای منابع طراحی از جمله وکتورها، عکس‌ها، آیکون‌ها و قالب‌های گرافیکی راه‌اندازی شد. مدل درآمدی فری‌میوم آن دسترسی محدودی را رایگان ارائه می‌داد و برای آرشیو کامل اشتراک می‌فروخت.

در مه ۲۰۲۰، صندوق سرمایه‌گذاری EQT بخش عمده سهام این کسب‌وکار را تصاحب کرد. در آن مقطع Freepik از ۳۲ میلیون بازدیدکننده ماهانه و ۲۰ میلیون کاربر ثبت‌نام‌شده خبر می‌داد. با این حال، با ظهور مدل‌های هوش مصنوعی مولد و تهدید جدی برای بازار سنتی تصاویر استوک، چرخش شرکت به سمت هوش مصنوعی شتاب گرفت.

یک نقطه عطف اساسی در مه ۲۰۲۴ رخ داد؛ زمانی که Freepik استارتاپ اسپانیایی Magnific را خریداری کرد؛ استارتاپی که به خاطر ابزار بزرگ‌نمایی و ارتقای کیفیت هوش مصنوعی (AI Upscaler) خود حسابی سر زبان‌ها افتاده بود. همان‌طور که رسانه Tech.eu گزارش داده بود، این معامله بزرگ‌ترین خرید تاریخ Freepik به شمار می‌رفت و فناوری پیشرفته تصویرسازی مولد را به این غول تصاویر استوک تزریق کرد.

در ابتدا دو برند جداگانه کار می‌کردند، اما در ۲۸ آوریل ۲۰۲۶ همه‌چیز تغییر کرد و Freepik رسماً نام کل مجموعه خود را به Magnific تغییر داد. بر اساس گزارش رسانه The Next Web از تغییر نام این برند، این ادغام نشان‌دهنده فاصله گرفتن شرکت از هویت فروشگاه تصاویر استوک و حرکت به سمت محیطی یکپارچه برای تولید هوشمند تصویر و ویدیو بود.

این شرکت در جریان تغییر نام تجاری، از درآمد سالانه تکرارشونده حدود ۲۳۰ میلیون دلار و بیش از یک میلیون مشترک پولی خبر داد. امروز پلتفرم Magnific علاوه بر آرشیو عظیم خود، مدل‌های متنوع تصویر و ویدیوی هوش مصنوعی و ابزار‌های ویرایش مشارکتی را ارائه می‌دهد. عرضه Magnific One بعد تازه‌ای به این راهبرد می‌دهد؛ آن‌ها به جای این‌که صرفاً مدلی واسط برای ارائه محصولات دیگران باشند، در پی خلق یک تجربه کاربری منحصربه‌فرد بر بستر فناوری‌های پایه هستند.

معنای Magnific One برای پذیرش سازمانی هوش مصنوعی

ابزار Magnific One به خوبی نشان می‌دهد که با در دسترس قرار گرفتن مدل‌های پایه قدرتمند در سرویس‌های مختلف، میدان رقابت در حوزه هوش مصنوعی مولد چگونه در حال دگرگونی است.

برای تیم‌های بازاریابی، چالش دیگر این نیست که آیا هوش مصنوعی می‌تواند از روی یک متن تصویری جذاب بسازد یا خیر؛ بلکه چالش واقعی این است که آیا این تصویر می‌تواند بارها و بارها، تحت استانداردهای مشخص سازمانی و توسط کارمندانی که شاید مهارت عمیقی در طراحی یا پرامپت‌نویسی ندارند، با ثبات کامل تولید شود؟

سیستمی که این دستورالعمل‌ها را متمرکز کند، انحرافات را تشخیص دهد و امکان اصلاح آسان را فراهم سازد، می‌تواند استفاده از هوش مصنوعی را برای کمپین‌های تبلیغاتی بزرگ بسیار کاربردی‌تر و عملیاتی‌تر کند.

مزایای این رویکرد فراتر از صرفه‌جویی در زمان طراحی است؛ دستورالعمل‌های مشترک برند به سازمان‌ها کمک می‌کند تا هماهنگی بصری را در تمام دپارتمان‌ها، دفاتر منطقه‌ای و آژانس‌های همکار حفظ کنند، و بررسی‌های خودکار نیز نیاز به بازبینی‌های خسته‌کننده انسانی را به حداقل می‌رساند.

با این حال، مستندات Magnific هنوز ثابت نکرده که بررسی‌های خودکار آن با چه دقتی انحرافات را شناسایی می‌کنند یا هزینه کل این فرایند در مقایسه با نرم‌افزارهای سازمانی رقیب چقدر است.

راهبرد نهایی Magnific بر یک اصل بنا شده است: شاید ارزشمندترین محصول هوش مصنوعی لزوماً شرکتی نباشد که قدرتمندترین مدل پایه را آموزش می‌دهد، بلکه برندی باشد که این غول‌های هوش مصنوعی را رام کرده و آن‌ها را به ابزاری پایدار و یکپارچه برای کار‌های روزمره حرفه‌ای تبدیل می‌کند.

حال باید دید آیا سیستم هدایت هنری و اعتبارسنجی یکپارچه این شرکت می‌تواند در برابر رقبای سرسختی چون Runway و Adobe قد علم کند یا خیر.