Helios: نموذج 14B يشغل فيديو ذكي في الوقت الفعلي على أجهزة المستهلك

أكبر عائق أمام توليد فيديو ذكي في الوقت الفعلي كان دائماً الحوسبة. يكسر Helios، وهو نموذج جديد بـ 14 مليار معامل من جامعة بكين وByteDance وCanva، هذا العائق. يعمل بسرعة 19.5 إطار في الثانية على وحدة معالجة واحدة H100، ينتج فيديوهات تصل إلى 60 ثانية، ويحتاج فقط إلى حوالي 6GB من VRAM مع تفريغ المجموعات. وهو مرخص تحت Apache 2.0.

لماذا يشكل Helios أهمية

معظم نماذج الفيديو الذكية تجبرك على الاختيار: الجودة أو السرعة. النماذج الكبيرة مثل Veo 3.1 أو Runway Gen-4.5 تنتج نتائج مذهلة، لكنها تعمل على عناقيد سحابية وتفرض رسوماً لكل ثانية. النماذج الأصغر تناسب وحدات معالجة الرسومات للمستهلكين لكنها تنتج مخرجات أضعف بشكل واضح. يرفض Helios هذا الاختيار.

14B

معاملات

19.5

إطار في الثانية على H100 واحدة

~6GB

VRAM مع التفريغ

60s

أقصى طول فيديو

الفكرة الأساسية: Helios هو نموذج انتشار انحداري يولد الفيديو إطاراً تلو الآخر بطريقة متدفقة، بدلاً من إزالة الضوضاء من فيديو كامل دفعة واحدة. هذا يعني أنه يمكنه البدء في إخراج الإطارات فوراً بينما لا يزال يولد الباقي. لا انتظار لرسم كليب كامل.

كيف يعمل

تعالج نماذج الانتشار التقليدية فيديو كاملاً في نفس الوقت. تقدم موجهة نصية، تنتظر دقائق، وتحصل على كليب كامل. يتخذ Helios نهجاً مختلفاً بشكل أساسي.

الانتشار التقليدي	Helios (الانتشار الانحداري)
معالجة جميع الإطارات في نفس الوقت	توليد إطار بإطار
متطلبات ذاكرة عالية	استخدام ذاكرة ثابت
الناتج فقط عند الانتهاء الكامل	بث الناتج في الوقت الفعلي
تتدهور الجودة مع الطول	جودة متسقة بأي طول

يستخدم النموذج آلية الانتباه الزمني ثنائي الاتجاه التي تتيح لكل إطار جديد الرجوع إلى السياق الماضي والمستقبلي ضمن نافذة منزلقة. هذا يمنع انحراف الجودة الذي عادة ما يصيب نماذج الفيديو الانحدارية، حيث تفقد الإطارات اللاحقة تدريجياً الترابط مع الإطارات السابقة.

💡

يحقق Helios فيديو بطول دقيقة واحدة (يصل إلى 1,452 إطار) دون الاعتماد على حيل KV-cache أو تصحيحات مضادة للانجراف. العمارة نفسها تحافظ على الاتساق.

جانب أجهزة المستهلك

هنا تصبح الأمور عملية. مع تفريغ المجموعات، يمكن لـ Helios العمل على أجهزة بحوالي 6GB من VRAM. هذا يضعها مباشرة في منطقة RTX 4060 Ti، بطاقة تكلف حوالي 400 دولار.

قارن ذلك بالتوليد القائم على السحابة:

الطريقة	التكلفة لكل دقيقة من الفيديو	الأجهزة المطلوبة
واجهة برمجية سحابية (Sora, Veo)	2-8 دولار لكل توليد	لا شيء (سحابة)
Helios (محلي, H100)	~0.15 دولار بالكهرباء	H100 (25,000+ دولار)
Helios (محلي, RTX 4060 Ti)	~0.01 دولار بالكهرباء	RTX 4060 Ti (~400 دولار)

المقايضة مع وحدات معالجة الرسومات للمستهلك هي السرعة. على RTX 4060 Ti، لن تصل إلى 19.5 إطار في الثانية. توقع أقرب إلى 2-3 إطار في الثانية، وهذا لا يزال يعني فيديو بطول 60 ثانية في أقل من 10 دقائق. لتوليد محلي خاص وغير محدود، هذا مقنع.

معايير تدعم الادعاءات

لا يدعي Helios فقط الأداء في الوقت الفعلي. يسجل نتائج تنافسية في معايير جودة الفيديو القياسية.

💡

في VBench، يطابق Helios أو يتفوق على النماذج بعدد معاملات مشابه عبر جودة الحركة واتساق الحركة والتقييم الجمالي. النتائج الكاملة للمعايير متاحة في الورقة البحثية (arXiv:2603.04379).

اختبرت فريق البحث، وهي تعاون بين جامعة بكين وByteDance وCanva، ضد:

CogVideoX (13B معامل): يطابق Helios الجودة بتوليد أسرع 5-10 مرات
Pyramid Flow (خط أساس انحداري): ينتج Helios مخرجات أكثر اتساقاً زمنياً
Open-Sora v1.2: يولد Helios كليبات أطول وأكثر ترابطاً

المقارنة الحرجة هي مع النماذج في نطاق 1-2B معامل، مثل LTX-2 والمتغيرات الأصغر من CogVideo. يعمل Helios بسرعات مماثلة مع إنتاج مخرجات تبدو وكأنها جاءت من نموذج أكبر بكثير.

ما يمكنك فعله بالفعل معه

Helios ليس فضول بحثي. إنها أداة عملية يمكنك تثبيتها وتشغيلها اليوم.

✓توليد نصي إلى فيديو يصل إلى 60 ثانية
✓تحريك من صورة إلى فيديو من إطار مرجعي
✓بث الناتج في الوقت الفعلي (ابدأ المشاهدة أثناء التوليد)
✓ترخيص Apache 2.0 (الاستخدام التجاري مسموح)
✓تفريغ المجموعات لدعم وحدة معالجة رسومات المستهلك

ترخيص Apache 2.0 مهم. على عكس العديد من النماذج مفتوحة الأوزان التي تقيد الاستخدام التجاري، يسمح Helios به بوضوح. هذا يفتح الباب أمام المطورين المستقلين والاستوديوهات الصغيرة والشركات الناشئة لبناء منتجات على أساس النموذج بدون رسوم ترخيص.

الصورة الأكبر

يغير Helios كيفية تعاملنا مع إمكانية وصول توليد فيديو ذكي. كانت الأجيال السابقة من نماذج الفيديو "المفتوحة" إما تتطلب أجهزة المؤسسات أو تنتج نتائج تبدو أضعف بشكل ملحوظ من نظرائها السحابيين.

✓التوليد السحابي

لا يتطلب استثماراً في الأجهزة، أعلى جودة مخرجات، نماذج محدثة باستمرار

✓التوليد المحلي (Helios)

صفر تكلفة لكل توليد، خصوصية كاملة، بدون حدود معدل، ترخيص ودود تجارياً، قابل للعمل دون اتصال

بالنسبة للمحترفين الذين يولدون مئات التكرارات لكل مشروع، تتحول الاقتصاديات بشكل كبير. وحدة معالجة رسومات بقيمة 400 دولار تدفع لنفسها بعد حوالي 200-300 توليد سحابي. بالنسبة للفرق التي تجرب الفيديو الذكي في المنتجات، يزيل الطبيعة غير المحدودة للتوليد المحلي التردد في التجربة.

غطينا النظام البيئي المتنامي للتوليد المحلي في دليلنا لتشغيل الفيديو الذكي محلياً، وينطبق Helios مباشرة على هذا سير العمل. كما يعتمد على اختراق التوليد في الوقت الفعلي الذي كتبناه حول TurboDiffusion، مع أخذ المفهوم أبعد من ذلك مع نموذج أكبر بكثير.

ما يأتي بعد

أشار فريق Helios بالفعل إلى عمل متابعة على التوليد السمعي البصري وقدرات التحكم التفاعلي. إذا انطبقت نفس المكاسب في الكفاءة، يمكننا أن نرى توليد فيديو تفاعلي قابل للتحكم وشامل صوتياً في الوقت الفعلي على أجهزة المستهلك بحلول أواخر 2026.

في الوقت الحالي، Helios متاح على GitHub تحت Apache 2.0. إذا كان لديك وحدة معالجة رسومات NVIDIA بـ 6GB+ VRAM وتريد التجربة مع توليد فيديو ذكي محلي تنافسي حقاً، فهذه هي نقطة الدخول الأقوى المتاحة.

💡

قراءة ذات صلة: انظر كيف تغلق النماذج مفتوحة المصدر الفجوة مع الأنظمة الملكية، أو اكتشف نهج LTX-2 لتوليد 4K الأصلي على وحدات معالجة رسومات المستهلك.