قابلیت تولید ویدیو با MiniMax H3 و Seedance به ایجنت Computer در Perplexity اضافه شد

قابلیت تولید ویدیو با MiniMax و Seedance در Perplexity Computer

شرکت Perplexity قابلیت تولید مستقیم ویدیو را به Computer، فضای کاری ایجنت‌محور خود، اضافه کرده است. بنا بر اعلام این شرکت، با پشتیبانی از مدل‌های MiniMax H3 و Seedance 2.5 متعلق به ByteDance، کاربران اکنون می‌توانند کلیپ‌های تبلیغاتی، دموهای محصول و ویدیوهای شبکه‌های اجتماعی را درون یک رشته گفتگوی موجود درخواست کنند. این ایجنت ویدیوی رندرشده را در کنار نتایج تحقیق، متن و تصاویر مربوطه ارائه می‌دهد.

دسترسی به این قابلیت در حال حاضر به طرح‌های پولی محدود شده است. هزینه سرویس Pro ماهانه ۲۰ دلار و سرویس Max ماهانه ۲۰۰ دلار است. شرکت Perplexity هنوز جزئیات دقیقی درباره سهمیه تولید ویدیو برای هیچ‌یک از این دو سطح منتشر نکرده است.

یک پرامپت و چندین متخصص

شرکت Perplexity سرویس Computer را به عنوان یک لایه هماهنگ‌کننده توصیف می‌کند: نرم‌افزاری که یک درخواست را به وظایف کوچکتر می‌شکند و هر وظیفه را به مدل مناسب ارجاع می‌دهد. مدل Opus 4.6 پردازش استدلال هسته را بر عهده دارد، Gemini از تحقیقات عمیق پشتیبانی می‌کند، مدل Nano Banana تصاویر را تولید کرده و Veo 3.1 نیز پیش‌تر برای تولید ویدیو در دسترس بود. اکنون مدل‌های MiniMax H3 و Seedance 2.5 گزینه‌های ویدیویی را در همان رابط کاربری مکالمه‌محور گسترش می‌دهند.

علاوه بر این، Computer این ایجنت را از طریق ویژگی Personal Computer به اسناد، فایل‌های Microsoft 365 و برنامه‌ها و فایل‌های محلی Mac متصل می‌کند. مرورگر Comet نیز رابط کاربری وب را فراهم می‌سازد. اکنون تولید ویدیو در یک جریان کاری گسترده‌تر جای می‌گیرد که می‌تواند از مرحله تحقیق و برنامه‌ریزی تا تولید محصول نهایی پیش برود، بدون اینکه کاربران نیازی به انتقال پرامپت‌ها و فایل‌ها بین سرویس‌های متعدد داشته باشند.

تفاوت‌های H3 و Seedance در چیست؟

این دو مدل جدید روی نیازهای تولیدی متفاوتی تمرکز دارند. مدل MiniMax H3 برای کلیپ‌های کوتاه‌تر با کیفیت 2K و صدای همگام‌سازی‌شده بهینه‌سازی شده است، در حالی که Seedance 2.5 از سکانس‌های طولانی‌تر و چندنما (multi-shot) پشتیبانی می‌کند.

مدل MiniMax H3 دیالوگ، جلوه‌های صوتی و صدای محیط را همزمان با سکانس‌های تصویری تولید می‌کند. سیستم مرجع آن به کاربران اجازه می‌دهد تا موادی را ارائه دهند که به حفظ ثبات شخصیت، اشیاء و صحنه در طول کلیپ کمک می‌کند.

به گفته ByteDance، مدل Seedance 2.5 تولید یکباره ویدیو را تا ۳۰ ثانیه افزایش داده و از گسترش بیشتر آن نیز پشتیبانی می‌کند. تولید ویدیوهای طولانی‌تر می‌تواند مشکلات پیوستگی (مانند تغییر چهره، نور، لباس و موقعیت دوربین) که هنگام اتصال کلیپ‌های مجزا به وجود می‌آیند را کاهش دهد.

این مشخصات ارائه‌شده از سوی سازندگان، تنها قابلیت‌های موجود را توصیف می‌کنند؛ در حالی که نتایج نهایی همچنان به پرامپت‌ها، دارایی‌های مرجع، پیچیدگی صحنه و میزان حرکت بستگی دارد. جزئیات ظریف، متن‌های خوانا، تعاملات فیزیکی و حفظ هویت شخصیت‌ها همچنان معیارهای ارزیابی مهمی برای هر دو مدل محسوب می‌شوند.

برتری جریان کاری نسبت به تولید خام

یک جریان کاری معمول برای کمپین‌های تبلیغاتی شامل تحقیق، اسکریپت‌نویسی، استوری‌بورد، تولید ویدیو، بازبینی و نگارش متن‌های توزیعی است. ایجنت Computer می‌تواند تمام این مراحل را در یک رشته گفتگو هماهنگ کرده و از منابع اولیه و تصمیمات قبلی به عنوان زمینه‌ای برای وظایف بعدی استفاده کند.

این جریان یکپارچه می‌تواند دنباله‌ای از کارها را به این شکل مدیریت کند:

1. تحقیق درباره یک محصول، بازار یا مخاطب با استفاده از منابع ارائه‌شده.
2. پیش‌نویس یک اسکریپت و لیست نماها که بازتاب‌دهنده نتایج تحقیق باشد.
3. تولید یک کلیپ با MiniMax H3، Seedance 2.5 یا Veo 3.1.
4. بازبینی ویدیو و تولید زیرنویس، تصاویر بندانگشتی (تامنیل) و متن شبکه‌های اجتماعی.

این یکپارچگی، انتقال‌های دستی و تنظیم مجدد پرامپت‌ها را کاهش می‌دهد. همچنین به Perplexity روشی عملی برای متمایز کردن Computer ارائه می‌کند؛ آن هم در شرایطی که هزینه‌های تولید ویدیو در حال کاهش است و مدل‌های مشابه از طریق محصولات مختلف در دسترس قرار می‌گیرند.

دسترسی پولی و سوالات بی‌پاسخ

شرکت Perplexity این ویژگی را به دو سطح پولی مصرف‌کنندگان خود گره زده است:

در اطلاعیه عمومی به جزئیاتی مانند سقف مجاز تولید، اولویت در صف، فرمت‌های خروجی، در دسترس بودن منطقه‌ای، شرایط استفاده تجاری و یا اینکه آیا طرح Max محدودیت‌های بالاتری نسبت به طرح Pro دارد، اشاره‌ای نشده است. همچنین این اطلاعیه یک ویژگی داخلی درون محصول Computer را توصیف می‌کند و هیچ رابط برنامه‌نویسی (API) اختصاصی برای ویدیو معرفی نشده است.

بنابراین توسعه‌دهندگانی که در حال ارزیابی این ویژگی برای خودکارسازی تولید هستند، باید تفاوت میان دسترسی مکالمه‌ای و دسترسی برنامه‌پذیر را در نظر بگیرند. مسائلی نظیر احراز هویت API، محدودیت نرخ درخواست، قابلیت بازتولید، وب‌هوک‌ها، ذخیره‌سازی فایل‌ها و صورت‌حساب مبتنی بر مصرف در پیشنهاد ارائه‌شده همچنان مبهم باقی مانده‌اند.

افزایش رقابت در لایه‌های بالاتر

ابزارهای تک‌منظوره تولید ویدیو با رقابت سخت‌تری روبرو می‌شوند زمانی که یک ایجنت همه‌منظوره بتواند بر اساس یک درخواست کوتاه، یک دموی محصول، چندین نسخه برای شبکه‌های اجتماعی و متن کمپین را با هم تولید کند. به نظر می‌رسد ایجنت Computer برای تولید سریع دارایی‌های بازاریابی و نمونه‌های اولیه داخلی مناسب‌ترین گزینه باشد؛ جایی که کاهش جابه‌جایی‌ها می‌تواند ارزشی بیشتر از کنترل‌های پیشرفته ویرایشگرهای اختصاصی داشته باشد.

البته پلتفرم‌های تخصصی همچنان قابلیت‌هایی را ارائه می‌دهند که تیم‌های تولید حرفه‌ای به آن‌ها نیاز دارند؛ امکاناتی مانند تایم‌لاین‌ها، ماسک‌ها، فریم‌های کلیدی، جریان‌های کاری مبتنی بر گره، نسخه‌بندی قطعی و کنترل دقیق رنگ یا صدا. برتری Perplexity در این رقابت، بیشتر بر روی هماهنگی و راحتی استوار است تا عمق و امکانات ویرایشی.

رقبای ایجنت‌ها نیز با فشارهای مشابهی دست‌وپنجه نرم می‌کنند. شرکت Perplexity ابتدا مرورگر Comet را با یک ایجنت جانبی برای کارهای مرور وب منتشر کرد و سپس سرویس Computer را به حوزه‌های تحقیق، اسناد، برنامه‌های محلی و تولید محتوای رسانه‌ای گسترش داد. اضافه کردن ویدیو به این مجموعه، به کاربران رایگان مرورگر Comet دلیلی محکم برای ارتقا به طرح‌های پولی می‌دهد.

آزمایش‌هایی برای سنجش ارزش واقعی

کاربردی‌ترین ارزیابی‌ها باید جریان کاری کامل و همچنین کلیپ رندرشده را اندازه بگیرند:

1. لینک یک محصول را به ایجنت Computer بدهید و یک دموی ۱۵ ثانیه‌ای با سه نسخه زیرنویس متفاوت درخواست کنید. بررسی کنید که آیا اسکریپت و لیست نماها به دقت بازتاب‌دهنده صفحه مرجع هستند یا خیر.
2. همان درخواست را با هر دو مدل MiniMax H3 و Seedance 2.5 تولید کنید. مواردی مانند ثبات هویت، حرکت، همگام‌سازی دیالوگ، رندر متن، پایبندی به مرجع و تعداد تلاش‌های مجدد لازم را مقایسه کنید.
3. یک درخواست تحقیق را به یک دستور تولید ویدیو و در نهایت کلیپ نهایی پیوند بزنید. زمان صرفه‌جویی‌شده و تعداد اصلاحات انسانی مورد نیاز در هر مرحله را ثبت کنید.
4. پیش از استفاده از این ویژگی برای کارهای تولیدی مستمر، حتماً سهمیه‌ها، گزینه‌های خروجی، شرایط صدور مجوز و سیاست‌های نگهداری داده‌ها را بررسی کنید.

به‌روزرسانی جدید Perplexity در واقع یک توسعه توزیع و جریان کاری است که بر پایه مدل‌های ویدیویی خارجی بنا شده است. برای مشترکین فعلی طرح‌های Pro و Max، این ویژگی باعث حذف چندین مرحله میان ثبت یک درخواست تجاری و دریافت کلیپ نهایی می‌شود. برای بازار گسترده‌تر نیز، این قابلیت نشان می‌دهد که تولید ویدیو با چه سرعتی در حال تبدیل شدن به یک قابلیت استاندارد در ایجنت‌های همه‌منظوره است.