SpaceXAI: Grok Imagine Video

SpaceXAI: Grok Imagine Video, xAI की एक वीडियो जनरेशन मॉडल है। यह वीडियो श्रेणी में आता है और टेक्स्ट तथा इमेज इनपुट को छोटे वीडियो क्लिप में बदलने के लिए बनाया गया है। यदि आप ऐसी पाइपलाइन के लिए मॉडलों का मूल्यांकन कर रहे हैं जिसमें टेक्स्ट या स्थिर इमेज के बजाय जनरेट की गई गति चाहिए, तो यह उस प्रकार का मॉडल है जिस पर विचार किया जा सकता है, और यह उसी प्रदाता से आता है जो Grok परिवार के पीछे है।

इनपुट की ओर से, मॉडल टेक्स्ट और इमेज स्वीकार करता है। आउटपुट की ओर से, यह वीडियो बनाता है। प्रदाता इसे तेज़ तथा text-, image-, और reference-conditioned बताता है, जिसका अर्थ है कि आप लिखित प्रॉम्प्ट से, किसी इमेज से, या दोनों के संयोजन से जनरेशन चला सकते हैं। आउटपुट क्लिप 1 से 15 सेकंड तक, 24 फ्रेम प्रति सेकंड पर, 480p या 720p में चलती हैं। सात aspect ratios उपलब्ध हैं: 16:9, 9:16, 1:1, 4:3, 3:4, 3:2 और 2:3। एक first_frame इमेज दी जा सकती है, जिससे आप क्लिप की शुरुआत को किसी विशिष्ट स्थिर चित्र से बाँध सकते हैं। इस मॉडल के लिए कोई context length सूचीबद्ध नहीं है, इसलिए प्रॉम्प्ट को लंबे संवादात्मक संदर्भ के बजाय जनरेशन निर्देश की तरह मानें।

ये क्षमताएँ उपयोगों के काफी विशिष्ट समूह की ओर संकेत करती हैं। 9:16 में छोटी वर्टिकल क्लिप सोशल प्रारूपों के लिए उपयुक्त हैं, जबकि 16:9 और व्यापक ratios लैंडस्केप प्लेबैक के लिए फिट बैठते हैं। चूँकि अवधि अधिकतम 15 सेकंड तक होती है, मॉडल सिंगल-शॉट अनुक्रमों, एनिमेटेड स्थिर चित्रों, उत्पाद या दृश्य पूर्वावलोकनों, और त्वरित अवधारणा विज़ुअलाइज़ेशन के लिए स्वाभाविक रूप से उपयुक्त है, न कि लंबे आख्यान वाले वीडियो के लिए। first_frame इमेज देना तब उपयोगी होता है जब आपको मौजूदा आर्टवर्क, किसी स्टोरीबोर्ड पैनल, या किसी फोटोग्राफ के साथ निरंतरता चाहिए, और aspect ratios की श्रेणी का अर्थ है कि एक ही प्रॉम्प्ट को शुरू से दोबारा जनरेट किए बिना अलग-अलग प्लेसमेंट के लिए अनुकूलित किया जा सकता है।

आप मॉडल को api14 के OpenAI-compatible API के माध्यम से model id "x-ai/grok-imagine-video" का उपयोग करके कॉल करते हैं। समर्थित request parameters हैं logprobs, max_tokens, response_format, seed, temperature, top_logprobs और top_p। वीडियो कार्य के लिए seed parameter ध्यान देने योग्य है, क्योंकि यह आपको प्रॉम्प्ट पर पुनरावृत्ति करते समय रन को प्रतिलिपि-योग्य बनाने का तरीका देता है। Temperature और top_p सैंपलिंग नियंत्रित करते हैं, और logprob से संबंधित parameters आपको टोकन-स्तर की संभावनाओं का निरीक्षण करने देते हैं जहाँ endpoint उन्हें लौटाता है। चूँकि इंटरफ़ेस OpenAI-compatible है, मौजूदा क्लाइंट और SDKs आम तौर पर केवल base URL और model id बदलने के साथ काम करते हैं।

कुछ सीमाएँ ध्यान में रखनी चाहिए। क्लिप अधिकतम 15 सेकंड और resolutions अधिकतम 720p तक सीमित हैं, इसलिए जिस काम के लिए लंबा रनटाइम या अधिक फ़िडेलिटी चाहिए, उसके लिए अलग मॉडल या कई जनरेशनों को जोड़ने वाला एक assembly चरण आवश्यक होगा। उपलब्ध विवरणों में ऑडियो जनरेशन निर्दिष्ट नहीं है, इसलिए यह न मानें कि आउटपुट में ध्वनि शामिल है। यदि आपका कार्य गति के बजाय टेक्स्ट, तर्क, या स्थिर इमेज का है, तो उन श्रेणियों का कोई मॉडल इससे बेहतर फिट होगा।