CogVideoX-3

CogVideoX-3 to hostowany generator wideo Z.ai, trzecie pokolenie linii, która zaczynała jako jeden z najczęściej używanych modeli wideo z otwartymi wagami na Hugging Face. Ten rodowód warto powiedzieć wprost, bo właśnie tutaj się skończył. CogVideoX-2b i CogVideoX-5b nadal można pobrać i nadal ściąga się je dziesiątki tysięcy razy w miesiącu; trzecie pokolenie istnieje wyłącznie za API. Kto zbudował coś na wersji otwartej, nie pójdzie z tą linią dalej. Zamknięcie wag kupuje zasięg. Górny pułap obrazu to 3840x2160, czyli prawdziwe 4K — otwarci poprzednicy kończyli na 720p — a dokumentacja wymienia zestaw proporcji poziomych, pionowych, kwadratowych i kinowych. Nagrania trwają 5 lub 10 sekund przy 30 albo 60 klatkach na sekundę, a model potrafi wygenerować do obrazu ścieżkę dźwiękową, zamiast zwracać nagranie nieme. Ciekawsza od rozdzielczości jest strona wejścia. Poza poleceniem tekstowym i ożywianiem pojedynczego zdjęcia model przyjmuje pierwszą i ostatnią klatkę naraz i generuje przejście między nimi — a to zamienia generator z automatu losującego w narzędzie, bo początek i koniec ustala użytkownik. Dokumentacja podaje haczyk: ten tryb działa wyłącznie w szybszym z dwóch ustawień jakości. Cennik jest płaski i jak na tę klasę modeli wyjątkowo prosty: 0,20 USD za nagranie, niezależnie od długości, rozdzielczości i liczby klatek. Dziesięciosekundowe 4K w 60 klatkach kosztuje dokładnie tyle samo co pięciosekundowe 720p.

▸Wideo

Brak materiałów wideo.

▸Recenzje