SpaceXAI: Grok Imagine Video

SpaceXAI: Grok Imagine Video هو نموذج توليد فيديو من xAI. يقع في فئة الفيديو ومصمم لتحويل مدخلات النص والصورة إلى مقاطع فيديو قصيرة. إذا كنت تقيّم نماذج لخط معالجة يحتاج إلى حركة مولّدة بدلاً من نص أو صور ثابتة، فهذا نوع النموذج الذي ينبغي التفكير فيه، وهو يأتي من المزوّد نفسه الذي يقف وراء عائلة Grok.

من جهة الإدخال، يقبل النموذج النص والصور. ومن جهة الإخراج، ينتج فيديو. يصفه المزوّد بأنه سريع ومشروط بالنص والصورة والمرجع، ما يعني أنه يمكنك توجيه التوليد من مطالبة مكتوبة، أو من صورة، أو من مزيج من الاثنين. تتراوح مقاطع الإخراج من 1 إلى 15 ثانية بمعدل 24 إطاراً في الثانية، بدقة 480p أو 720p. تتوفر سبع نسب أبعاد: 16:9، و9:16، و1:1، و4:3، و3:4، و3:2، و2:3. يمكن توفير صورة first_frame، ما يتيح لك تثبيت بداية المقطع على صورة ثابتة محددة. لا يرد طول سياق لهذا النموذج، لذا تعامل مع المطالبة كتعليمة توليد لا كسياق محادثة طويل.

تشير هذه القدرات إلى مجموعة استخدامات محددة نوعاً ما. المقاطع الرأسية القصيرة بنسبة 9:16 تناسب التنسيقات الاجتماعية، بينما تناسب 16:9 والنسب الأعرض التشغيل الأفقي. ولأن المدد تصل إلى 15 ثانية كحد أقصى، فإن النموذج مناسب بطبيعته للتسلسلات ذات اللقطة الواحدة، والصور الثابتة المتحركة، ومعاينات المنتجات أو المشاهد، والتصور السريع للمفاهيم، لا لفيديو سردي طويل. يكون توفير صورة first_frame مفيداً عندما تحتاج إلى استمرارية مع عمل فني موجود، أو لوحة من لوحات القصة المصورة، أو صورة فوتوغرافية، ويعني تنوع نسب الأبعاد أنه يمكن تكييف المطالبة نفسها مع مواضع عرض مختلفة دون إعادة التوليد من الصفر.

يمكنك استدعاء النموذج عبر واجهة api14 المتوافقة مع OpenAI باستخدام معرّف النموذج "x-ai/grok-imagine-video". معاملات الطلب المدعومة هي logprobs وmax_tokens وresponse_format وseed وtemperature وtop_logprobs وtop_p. يجدر الانتباه إلى المعامل seed في أعمال الفيديو، لأنه يمنحك طريقة لجعل التشغيلات قابلة للتكرار عندما تكرر التعديل على مطالبة. يتحكم temperature وtop_p في أخذ العينات، وتتيح المعاملات المتعلقة بـ logprob فحص الاحتمالات على مستوى الرموز حيث تعيد نقطة النهاية هذه القيم. ولأن الواجهة متوافقة مع OpenAI، فإن العملاء ومجموعات أدوات التطوير SDKs الحالية تعمل عموماً مع تغيير عنوان URL الأساسي ومعرّف النموذج فقط.

هناك حدود يجب وضعها في الاعتبار. المقاطع محدودة بـ 15 ثانية والدقات محدودة بـ 720p، لذا فإن الأعمال التي تحتاج إلى مدة تشغيل أطول أو دقة أعلى ستحتاج إلى نموذج مختلف أو خطوة تجميع تجمع عدة عمليات توليد معاً. لم يُحدد توليد الصوت في التفاصيل المتاحة، لذا لا تفترض أن الإخراج يشمل صوتاً. إذا كانت مهمتك نصاً أو استدلالاً أو عملاً على صور ثابتة بدلاً من الحركة، فإن نموذجاً في تلك الفئات سيكون أنسب من هذا النموذج.