„Runway“ ar „Kling AI“: gražesnis klipas gali kainuoti mažiau kontrolės

Ilgesnei scenai su judesiu, kadrų kaita ir vietiniu garsu labiau tinka „Kling AI“. Jei veiksmas jau pavyko, bet reikia pakeisti foną, apšvietimą ar objektą, daugiau taisymo kontrolės suteikia „Runway“. Gražesnis pirmasis klipas nebūtinai bus pigesnis galutinis rezultatas: už atmestus variantus ir pataisas taip pat mokama.

Skirtumas slypi kontrolės etape. „Kling“ leidžia suplanuoti kadrų eigą prieš generavimą, o „Runway“ įrankis „Aleph 2.0“, kaip nurodyta vaizdo redagavimo aprašyme, keičia jau turimą medžiagą ir leidžia pirma peržiūrėti pakeistą atskaitos kadrą. Toks taisymas naudingas, kai pagrindinį veiksmą norima išlaikyti, tačiau jis pats sunaudoja kreditų.

Ką galima spręsti apie judesio kokybę

Vienas gražus kadras mažai pasako apie visą klipą. Judesyje svarbu, ar žmogaus poza ir daiktų forma išlieka nuoseklūs, o kamerai judant nesuyra erdvė. Tiksliai įvykdytas aprašas ir įtikinamas judesys taip pat nėra tas pats: modelis gali gerai atkartoti kompoziciją, bet silpniau perteikti veiksmą.

Marc Andrews vienodo aprašo bandyme su nemokamomis paskyromis „Kling“ pateikė judantį penkių sekundžių klipą, o „Runway“ – statinį vaizdą; vėlesnio pakartotinio vaizdo generavimo autorius neatliko. Bandymas parodo, kokį rezultatą jis gavo tomis prieigos sąlygomis, bet nepalygina dviejų mokamų vaizdo modelių judesio. Todėl iš jo negalima skelbti visuotinio vaizdo kokybės laimėtojo.

Renkantis konkrečiai scenai verta atskirti tris klausimus: ar įtikinamai juda veikėjas, ar kamera laikosi numatyto kelio ir ar nepavykusią detalę galima pataisyti išsaugant gerąją klipo dalį. Pirmasis klausimas susijęs su sugeneruotu rezultatu, antrasis – su nurodymų vykdymu, trečiasis – su darbo įrankiais. Dėl to vizualiai patrauklesnis variantas gali reikalauti daugiau bandymų, jei užduotis numato tikslią kompoziciją arba vėlesnes pataisas.

Trukmė, kamera ir garsas „Kling“ pusėje

Oficialus „Kling VIDEO 3.0“ vadovas nurodo nuo 3 iki 15 sekundžių trukmę, kelių kadrų režimą, vietinį garsą ir 1080p tarifus: 12 kreditų už sekundę su garsu arba 8 be jo; 720p režimai atitinkamai kainuoja 9 ir 6 kreditus už sekundę. Tai vienos generacijos galimybės ir tarifai, o ne pažadas, kad kiekvienas bandymas tiksliai įvykdys sumanymą.

„Custom Multi-Shot“ režime kūrėjas gali aprašyti atskirų kadrų turinį ir trukmę. Tai suteikia daugiau kontrolės planuojant veiksmą: pavyzdžiui, dialogo scenos rakursų kaitą galima nurodyti prieš sukuriant klipą. Vis dėlto toks planas nėra tas pats, kas galimybė vėliau pakeisti vieną nepatikusį objektą išsaugant visą likusį rezultatą.

Vietinis garsas reiškia, kad garsas kuriamas kartu su vaizdu, todėl atskiro įgarsinimo gali nereikėti. Lietuvos kūrėjams svarbi kalbos riba: vadove dialogui išvardytos kinų, anglų, japonų, korėjiečių ir ispanų kalbos, o kitomis kalbomis įvestą dialogą sistema aprašo kaip verčiamą į anglų. Lietuviškai kalbančiam personažui vien įjungti vietinį garsą nepakanka; įgarsinimą reikėtų numatyti atskirai. Kai klipui reikia tik vaizdo, garso išjungimas sumažina generavimo kreditų sąnaudas.

Kiek kainuoja skirtingos trukmės klipas

„Runway Gen-4.5“ vadove nurodytas 12 kreditų už sekundę tarifas, 2–10 sekundžių vienos generacijos trukmė ir 720p išvestis. Modeliui galima tekste aprašyti kameros judėjimo seką. Todėl vienodas kreditų už sekundę skaičius nereiškia vienodų sąlygų: „Kling“ tarifas su garsu čia taikomas kitai raiškai ir garso komplektacijai.

Pagal šiuos oficialius sekundžių tarifus vieno bandymo sąnaudos būtų tokios:

• 5 sekundės: „Kling“ 1080p su garsu – 60 kreditų, be garso – 40; „Runway Gen-4.5“ – 60 kreditų.
• 10 sekundžių: „Kling“ su garsu – 120 kreditų, be garso – 80; „Runway Gen-4.5“ – 120 kreditų.
• 15 sekundžių: „Kling“ su garsu – 180 kreditų, be garso – 120. „Runway Gen-4.5“ tokio ilgio vienu kartu negeneruoja; atskiri 10 ir 5 sekundžių bandymai kainuotų 180 kreditų, o jų sujungimas būtų papildomas darbas.

Šie skaičiai nėra kainos eurais. Kiekviena platforma turi savo kreditų sistemą, todėl tiesiogiai lyginti jų kreditų skaičių kaip bendrą valiutą būtų klaidinga. Be to, ilgesnio sumanymo padalijimas į atskirus klipus gali apsunkinti veikėjo, judesio ir apšvietimo tęstinumą. Kreditų lentelė parodo generavimo apimtį, bet neįskaičiuoja tokio derinimo ar papildomo garso.

Kada taisymas atsiperka

„Runway“ kainodaroje „Aleph 2.0“ nurodyta 140 kreditų už 5 sekundžių taisymą, „Standard“ planui – 625 kreditai per mėnesį; tarp platformoje siūlomų modelių taip pat įrašytas „Kling 3.0“. Taigi pasirinkimas tarp paslaugų ne visuomet yra pasirinkimas tarp visiškai atskirtų modelių: naudojant „Kling“ per „Runway“, reikia remtis būtent tos platformos sąlygomis.

„Aleph 2.0“ prasmingiausias tada, kai klipo veiksmas jau tinkamas, o keistina detalė aiški – fonas, apšvietimas ar produkto spalva. Tuomet pataisa gali išsaugoti pavykusią scenos dalį. Jei netinka pati eisena arba visa kameros trajektorija, naujas generavimo bandymas gali būti racionalesnis už brangų esamo pagrindo taisymą.

Tarkime, 10 sekundžių „Gen-4.5“ klipas jau sukurtas už 120 kreditų. Jei „Aleph 2.0“ penkių sekundžių tarifas proporcingai taikomas visai trukmei, vienas viso klipo taisymas pridėtų 280 kreditų, o bendros sąnaudos siektų 400. Du nauji tokios trukmės generavimo bandymai po pirmojo klipo papildomai kainuotų 240 kreditų, trys – 360. Vadinasi, vienas sėkmingas viso klipo taisymas pagal šią prielaidą kreditų sutaupo tik tada, jei kitaip reikėtų bent trijų naujų bandymų. Tai sąlyginė aritmetika: pataisą irgi gali tekti kartoti.

Atmesti variantai keičia pasirinkimą

Galutinio klipo sąnaudas sudaro visos apmokėtos generavimo sekundės, įskaitant techniškai pavykusius, bet kūrybiškai atmestus variantus. Jei 10 sekundžių scenai sugeneruojami trys variantai ir paliekamas vienas, „Kling“ 1080p be garso sunaudotų 240 kreditų, su garsu – 360, o „Runway Gen-4.5“ – 360. Tai sąlyginis to paties tarifo dauginimas, ne išmatuotas vidutinis bandymų skaičius.

Jeigu sumanymą galima apibrėžti iš anksto ir svarbūs ilgesnis vientisas veiksmas bei garsas, stipresnis pasirinkimas yra „Kling“. Kai yra vertingos pradinės medžiagos ir tikėtinos konkrečios pataisos, „Runway“ redagavimo galimybės gali būti naudingesnės už pigesnę pirmą generaciją. Sprendimą lemia ne vien geriausiai atrodantis bandymas, o tai, kiek pilnų klipų ir taisymų prireiks priimtinai versijai gauti.

Taip pat skaitykite:

• Jira ar Linear: greitesnė užduotis gali kainuoti mažiau kontrolės
• IPO ar tiesioginis kotiravimas: mažesnė kaina atiduoda kontrolę rinkai
• DI agentams patikėta tinklų kontrolė: kas ketvirtas paliktų juos be žmogaus