Kling 4.0 تا ده کی‌فریم می‌گیرد و یک شاتِ ۳۰ ثانیه‌ای را یک‌جا می‌سازد. یعنی تصمیمِ اصلی برمی‌گردد سرِ جای خودش: استوری‌بورد، قبل از این‌که چیزی تکان بخورد. اگر هنوز ویدیوی هوش مصنوعی را با یک پاراگراف پرامپت شروع می‌کنی، از این نسخه به بعد این عادت گران تمام می‌شود.
Kling 4.0: ده کی‌فریم، شاتِ ۳۰ ثانیه‌ای، ۱۵ رفرنس
Kling روز ۶ مهر اعلام کرد Kling 4.0 در ماه اکتبر می‌آید و نسخهٔ سبکش، Kling 4.0 Flash، را همان روز برای مشترکانِ پلنِ سالانهٔ Ultra باز کرد. فهرستِ تغییرات: تا ۱۰ کی‌فریم، ساختِ مستقیمِ ۳۰ ثانیه، تا ۱۵ رفرنسِ چندرسانه‌ای، ادامه‌دادنِ ویدیو، صدای استریو با لب‌خوانیِ دقیق‌تر، تا 4K و HDR ده‌بیتی، و پشتیبانی از چند زبان و لهجه (Kling AI).
برداشت من: در فیلم تبریک کریسمس با عکس شروع کردم، نه با پرامپتِ ویدیو: تصویرها را با Nano Banana ساختم، هر سکانس را با Kling و تدوین را در CapCut. ده کی‌فریم همین عادت را قاعدهٔ خودِ ابزار می‌کند: قاب‌هایی که تأیید می‌شوند، همان فیلم‌اند. ۳۰ ثانیه برای دلیلِ دیگری مهم است. تاینی ۴۱ ثانیه است و سخت‌ترین بخشش یک کات بود: آشپزخانهٔ واقعی و دنیای انیمیشنی باید جهتِ نور و دمای رنگِ یکسان می‌داشتند. هرچه درز کمتر، جای خرابی کمتر. بسته‌بندی را هنوز باید قاب‌به‌قاب چک کرد. و یک واقعیت: Flash فعلاً فقط روی گران‌ترین پلنِ سالانه است. با پرداختِ ارزی و دردسرِ حسابِ خارجی، خریدنِ پلنِ سالانه برای یک نسخهٔ آزمایشی منطق ندارد. تا اکتبر صبر کن و اول روی یک کار امتحانش کن.
ElevenLabs v4 فارسی هم حرف می‌زند
ElevenLabs روز ۶ مهر دو مدلِ Eleven v4 و v4 Turbo را منتشر کرد. هر دو بیش از ۹۰ زبان را پشتیبانی می‌کنند؛ صدایی که در یک زبان ضبط شده، می‌تواند با لهجهٔ بومی به زبان‌های دیگر حرف بزند و هویتش را نگه دارد، و کلونِ فوری حالا حدود ۱۰ ثانیه صدا لازم دارد (ElevenLabs). فارسی و عربی در فهرستِ زبان‌ها هستند؛ در v4 اسلایدرهای Style و Speed نیست و SSML پشتیبانی نمی‌شود (مستندات ElevenLabs). هر کلون به رضایتِ تأییدشدهٔ صاحبِ صدا نیاز دارد (ElevenLabs).
برداشت من: برای کسی که نریشنِ فارسی می‌سازد، این خبرِ اصلیِ امروز است. اما ElevenLabs دربارهٔ کیفیتِ فارسی ادعای خاصی نکرده؛ بزرگ‌ترین جهش را برای زبان‌های دیگری گفته. پس اول با یک متنِ واقعی تست کن: اعدادِ فارسی، اسمِ برند، کلمه‌های انگلیسیِ وسطِ جمله. بدونِ SSML نمی‌توانی تلفظ را تحمیل کنی. اگر صدای کسی را کلون می‌کنی، رضایتِ کتبی بگیر و زبان‌ها را هم در آن بنویس، نه فقط مدت را.
ادوبی: ترافیکِ هوش مصنوعی به فروشگاه‌های آمریکا ۱۳۰٪ بالا می‌رود
پیش‌بینیِ فصلِ خریدِ ادوبی که ۶ مهر منتشر شد، فروشِ آنلاینِ آمریکا را از ۱ نوامبر تا ۳۱ دسامبر ۲۷۵٫۱ میلیارد دلار می‌داند، ۶٫۷٪ بیشتر از پارسال. ترافیکی که از چت‌بات‌ها و مرورگرهای هوش مصنوعی به سایت‌های فروش می‌رسد ۱۳۰٪ رشد می‌کند. در نظرسنجیِ تیرماهِ ادوبی از ۵ هزار نفر، ۷۷٪ از کسانی که با هوش مصنوعی خرید کرده بودند به خریدشان مطمئن‌تر بودند و ۶۹٪ گفتند کمتر پس می‌دهند (Adobe).
برداشت من: عددها آمریکایی است و به بازارِ ما نمی‌رسد. اما اگر برای برندی که صادر می‌کند عکسِ محصول می‌سازی، منطقش به کارت می‌آید: خریدار از چت می‌آید و مقایسه را آن‌جا کرده. صفحهٔ محصول فقط باید حرفِ چت را تأیید کند. پس عکسِ بسته، ادعا و وزن باید دقیقاً همانی باشد که روی بسته است. اختلافِ کوچک همان‌جایی است که اطمینان تبدیل به ترکِ صفحه می‌شود.
امروز چه کنم؟
بریفِ ویدیوی بعدی‌ات را با کی‌فریم شروع کن، نه با پرامپت: پنج تا ده قابِ تأییدشده، به ترتیب، با بسته‌بندیِ قفل‌شده. اگر یک قاب تأیید نمی‌شود، آن شات هنوز آمادهٔ ساختن نیست. اگر می‌خواهی ببینی من پروژه را چطور تعریف می‌کنم، این‌جا توضیح داده‌ام.
منابع
- Kling AI — ویدیوی رسمیِ «Meet KLING 4.0 | You Call the Shots»، ۶ مهر ۱۴۰۵ — youtube.com
- ElevenLabs — معرفیِ Eleven v4، ۶ مهر ۱۴۰۵ — elevenlabs.io
- مستندات ElevenLabs — Eleven v4، بازدید ۷ مهر ۱۴۰۵ — elevenlabs.io
- ElevenLabs — صفحهٔ Eleven v4 و v4 Turbo، بازدید ۷ مهر ۱۴۰۵ — elevenlabs.io
- Adobe — پیش‌بینیِ فصلِ خریدِ آنلاینِ آمریکا، ۶ مهر ۱۴۰۵ — news.adobe.com