نماذج الفيديو بالذكاء الاصطناعي مفتوحة المصدر تلحق بالركب أخيراً

المنافسون الجدد من عالم المصدر المفتوح

دعوني أكون صريحاً: إذا جربتم توليد الفيديو مفتوح المصدر قبل عام واستسلمتم من الإحباط، فقد حان الوقت للمحاولة مجدداً. تحوّل المشهد بالكامل.

Wan 2.2: اختراق MoE

يستحق نموذج Wan 2.2 من Alibaba اهتماماً خاصاً. إنه أول نموذج فيديو مفتوح المصدر يستخدم بنية خليط الخبراء (MoE)، وهي ذات المقاربة التي جعلت GPT-4 بهذه القوة. النتيجة؟ دقة 720p أصلية بمعدل 24 إطاراً في الثانية على بطاقات RTX 4090 الاستهلاكية، مع إمكانية الوصول إلى 1080p عبر الترقية بالذكاء الاصطناعي.

يتعامل النموذج مع الفيزياء بشكل مدهش، محافظاً على ثبات الأجسام واتساق الجاذبية الذي أخفقت فيه النماذج المفتوحة السابقة. ليس مثالياً، لكنه قريب بما يكفي ليُحدث فرقاً.

HunyuanVideo 1.5: تحقيق المزيد بموارد أقل

اتخذت Tencent نهجاً مختلفاً مع HunyuanVideo 1.5. بدلاً من التوسع للأعلى، قلّصوا الحجم من 13 مليار إلى 8.3 مليار معامل، مع تحسين السرعة والجودة في آن واحد بطريقة ما.

تهم مكاسب الكفاءة لأنها تجلب توليد الفيديو الجاد إلى الحواسيب المحمولة ومحطات العمل، وليس فقط مراكز البيانات.

Open-Sora 2.0: تجربة الـ 200 ألف دولار

إليكم رقماً مثيراً للتأمل: تم تدريب Open-Sora 2.0 بتكلفة تقارب 200,000 دولار. قارنوا ذلك بمئات الملايين التي أُنفقت على النماذج التجارية. ومع ذلك يُضاهي جودة HunyuanVideo ذي الـ 11 مليار معامل، بل ويتحدى العملاق Step-Video بمعاملاته الثلاثين مليار.

كود التدريب مفتوح بالكامل. الأوزان قابلة للتحميل. البنية موثّقة. هذا ليس عرضاً بحثياً، إنه نموذج جاهز للإنتاج يمكنكم تشغيله اليوم.

لماذا تضيق الفجوة

ثلاث قوى تتقارب:

يعكس النمط ما حدث مع LTX-2 التي جلبت 4K إلى بطاقات المستهلكين، لكن على نطاق أوسع.

الواقع العملي

دعوني أكون صريحاً حول ما يعنيه "اللحاق بالركب" فعلياً:

لا يزال المصدر المفتوح متأخراً في الجودة الخام والسرعة. لكن لكثير من حالات الاستخدام، لم تعد تلك الفجوة مهمة.

من يجب أن يهتم؟

توقعات الأشهر الستة القادمة

بناءً على المسارات الحالية، أتوقع:

• ✓توليد في أقل من 10 ثوانٍ يصبح معياراً بحلول الربع الثاني من 2026
• ✓ظهور نماذج أولية للتوليد الفوري في منتصف العام
• ○التكافؤ في الجودة مع النماذج التجارية (لا يزال يبعد 12-18 شهراً)
• ✓تسارع تبني ComfyUI على نطاق واسع

تستمر بنية محوّل الانتشار التي تُشغّل هذه النماذج في التحسن. كل شهر يجلب تحسينات جديدة، تقنيات تدريب جديدة، مكاسب كفاءة جديدة.

البدء

إذا أردتم تجربة هذه النماذج بأنفسكم:

1. Wan 2.2: يتطلب RTX 4090 أو ما يعادلها. متاح على GitHub مع عُقد ComfyUI.
2. HunyuanVideo 1.5: يعمل على 14 جيجابايت+ من الذاكرة. تكامل Hugging Face متاح.
3. Open-Sora 2.0: كود التدريب والاستدلال الكامل على GitHub.

الصورة الأكبر

ما يُثيرني أكثر ليس أين وصل الفيديو مفتوح المصدر اليوم، بل إلى أين يتجه. كل اختراق في محاكاة الفيزياء وتوليد الصوت الأصلي يتدفق في النهاية إلى النماذج المفتوحة.

الديمقراطية حقيقية. الأدوات في المتناول. الفجوة تضيق.

للمبدعين الذين أُبعدوا بسبب أسعار اشتراكات الفيديو بالذكاء الاصطناعي المميزة، للمؤسسات التي تحتاج حلولاً محلية، للباحثين الذين يدفعون حدود الممكن، هذه هي اللحظة للانتباه.

الدراجة الهوائية تتحول إلى دراجة نارية. وسباق السيارات الخارقة أصبح أكثر إثارة.