Sora 2 એ 15 સેકન્ડનો પ્રોડક્ટ વીડિયો બનાવ્યો જેને ક્લાયન્ટે $3,000 ના સ્ટુડિયો શૂટ તરીકે ભૂલથી માની લીધો, અને તે પણ માત્ર 30 સેકન્ડમાં $0 માં કરી બતાવ્યું. આ જ ક્લિપ, જો ટૂલના પ્રથમ વર્ઝન સાથે રેન્ડર કરવામાં આવી હોત, તો તે કૃત્રિમ (synthetic) લાગી હોત અને તેના માટે અડધો દિવસ સ્ટુડિયોનો સમય જોઈતો હોત.
Sora 1 થી Sora 2 સુધીનું અપગ્રેડ માત્ર સામાન્ય નથી. Sora 1 બેકગ્રાઉન્ડ (“B-roll”) અથવા પ્રાયોગિક ક્લિપ્સ હેન્ડલ કરતું હતું, પરંતુ તેનું આઉટપુટ હજુ પણ કમ્પ્યુટર દ્વારા જનરેટ કરેલા મોક-અપ જેવું લાગતું હતું. તેનાથી વિપરીત, Sora 2 એવું ફૂટેજ બનાવે છે જે વ્યાવસાયિક રીતે લાઇટિંગ કરેલા કોમર્શિયલ જેવું લાગે છે: વાસ્તવિક લાઇટિંગ, શેલો ડેપ્થ ઓફ ફીલ્ડ (shallow depth of field), હવામાં તરતા સૂક્ષ્મ ધૂળના કણો, અને પ્રોડક્ટનું સ્મૂધ રોટેશન. એક સિંગલ ટેસ્ટમાં આ પ્રોમ્પ્ટ:
“કોંક્રિટ સપાટી પર મેટ બ્લેક વાયરલેસ ઇયરબડ્સ કેસનો ક્લોઝ-અપ. ધીમું રોટેશન. સિનેમેટિક લાઇટિંગ, શેલો ડેપ્થ ઓફ ફીલ્ડ. હવામાં સૂક્ષ્મ ધૂળના કણો. પ્રોડક્ટ ફોટોગ્રાફી સ્ટાઇલ.”
એક એવી ક્લિપ બનાવી જે હાઈ-બજેટ શૂટ જેવી લાગતી હતી.
આંકડાકીય તુલના
તે જ 15-સેકન્ડની ક્લિપ માટે પરંપરાગત પ્રોડક્શન ક્વોટ નીચે મુજબ છે:
- સ્ટુડિયો ભાડું – $500
- સાધનો – $200
- ફોટોગ્રાફર – $400
- પોસ્ટ-પ્રોડક્શન – $600
કુલ: $1,700
Sora 2 ને કોઈ સ્ટુડિયો, કોઈ સાધનો, કોઈ ક્રૂ અથવા પોસ્ટ-પ્રોડક્શન સ્ટાફની જરૂર નહોતી. જનરેશનમાં લગભગ 30 સેકન્ડ લાગી, અને આખું વર્કફ્લો—જેમાં દસ જનરેટ કરેલા વેરિએશનમાંથી શ્રેષ્ઠની પસંદગી કરવી, અપસ્કેલિંગ, સ્ટેબિલાઇઝિંગ અને AI-જનરેટેડ મ્યુઝિક ઉમેરવાનો સમાવેશ થાય છે—લગભગ 25 મિનિટમાં પૂર્ણ થયું. ક્લાયન્ટે AI સેવા માટે કંઈ ચૂકવ્યું નહીં અને પરિણામથી સંતુષ્ટ હતો.
કોના પર અસર પડશે
$0 અને એક મિનિટથી ઓછી સમયની વીડિયોની આ આર્થિક સ્થિતિ એવા અનેક જૂથો માટે જોખમ ઊભું કરે છે જેઓ સામાન્ય સ્તરના (commodity-level) કામ પર નિર્ભર છે:
- સ્ટોક-ફૂટેજ ફોટોગ્રાફરો જે સામાન્ય પ્રોડક્ટ શોટ્સ વેચે છે
- નાના સ્ટુડિયો માલિકો જેમનો બિઝનેસ મોડલ ટૂંકા ગાળાના ભાડા પર આધારિત છે
- એન્ટ્રી-લેવલ વિડિયોગ્રાફરો જે કન્સેપ્ટને બદલે કિંમત પર સ્પર્ધા કરે છે
- ઈ-કોમર્સ પ્રોડક્ટ ફોટોગ્રાફરો જે દરેક શૂટ દીઠ ચાર્જ લે છે
આ વાસ્તવિક બિલ ધરાવતા સાચા વ્યાવસાયિકો છે. કિંમતમાં રહેલો આ તફાવત એ બાબતનું પુનઃમૂલ્યાંકન કરવા મજબૂર કરે છે કે શું AI ને આઉટસોર્સ કરી શકાય છે અને શેના માટે હજુ પણ માનવીય સ્પર્શની જરૂર છે.
સુસંગત રહેવા માટેનો રોડમેપ
ટૂંકા ગાળા માટે: ઝડપ માટે ક્લાયન્ટની માંગ પૂરી કરવા AI નો ઉપયોગ કરો. આ ટૂલ સેકન્ડોમાં ડઝનબંધ વેરિએશન તૈયાર કરે છે, જે તમને પરંપરાગત શૂટ કરતા ઘણું ઝડપી ડ્રાફ્ટ પહોંચાડવામાં મદદ કરે છે.
મધ્યમ ગાળા માટે: એક્ઝિક્યુશન (અમલીકરણ) થી ક્યુરેશન (સંચાલન) તરફ વળો. પ્રોમ્પ્ટ એન્જિનિયરિંગ—શ્રેષ્ઠ આઉટપુટ મેળવવા માટે વિનંતી કરવાની કળા—એ એક પેઇડ સ્કીલ બની જશે. ક્વોલિટી કંટ્રોલ, કલર ગ્રેડિંગ અને અંતિમ તબક્કાનું પોલિશિંગ મૂલ્યવાન રહેશે કારણ કે AI હજુ પણ ક્યારેક ભૂલો (artefacts) કરે છે.
લાંબા ગાળા માટે: ક્રિએટર્સને AI ને અંતિમ બિંદુને બદલે શરૂઆતનું બિંદુ તરીકે લેવાનું શીખવો. જે વ્યક્તિ 50 જનરેટ કરેલી ક્લિપ્સમાંથી બ્રાન્ડની એસ્થેટિક્સને અનુરૂપ શ્રેષ્ઠ ત્રણ ક્લિપ્સ પસંદ કરે છે અને તેને વધુ સારી બનાવે છે, તે એવી કુશળતા ઉમેરે છે જે અલ્ગોરિધમ નકલ કરી શકતું નથી.
આ વિચારો પર આધારિત વર્કફ્લો આ મુજબ દેખાય છે:
- વિવિધ પ્રોમ્પ્ટ્સ સાથે દસ ક્લિપ્સ જનરેટ કરો.
- સમીક્ષા કરો અને સૌથી મજબૂત ત્રણ ઉમેદવારો પસંદ કરો.
- દરેક પસંદગીને અપસ્કેલ અને સ્ટેબિલાઇઝ કરો.
- ઇચ્છિત મૂડ સાથે મેળ ખાતું AI-જનરેટેડ મ્યુઝિક જોડો.
- ક્લાયન્ટને અંતિમ પેકેજ પહોંચાડો.
ટેસ્ટ રન દરમિયાન આખી પ્રક્રિયામાં 25 મિનિટ લાગી, અને ક્લાયન્ટ ખુશ હતો.
વિરોધ પક્ષનો તર્ક
Sora 2 માનવીય સર્જનાત્મકતાની જરૂરિયાતને ભૂંસી નાખતું નથી. તે "કોમોડિટી" ઉત્પાદનમાં ઉત્કૃષ્ટ છે—જેમ કે સાદા પ્રોડક્ટ શોકેસ, સામાન્ય B-roll, અથવા સોશિયલ મીડિયા માટેના ઝડપી સ્નિપેટ્સ.
નિષ્કર્ષ
Sora 2 સાબિત કરે છે કે AI હવે એવી વીડિયો ક્વોલિટી આપી શકે છે જે પહેલા પેઇડ સ્ટુડિયો સમય માટે અનામત રાખવામાં આવતી હતી, જે સસ્તા ક્લિપ્સને સીધા પ્રોડક્ટ વીડિયો માટે વ્યવહારુ વિકલ્પોમાં ફેરવે છે. સાચી તક ટેકનોલોજીથી ડરવામાં નથી, પરંતુ ક્રિએટરની ભૂમિકાને ફરીથી વ્યાખ્યાયિત કરવામાં છે: "ફૂટેજ બનાવનાર" માંથી "AI-એન્હાન્સ્ડ વિઝ્યુઅલ સ્ટોરીટેલિંગના ક્યુરેટર" બનવા તરફ આગળ વધો.
Source: https://dev.to/caicaibigtige/why-sora-2-makes-me-nervous-and-excited-about-ai-video-4lmf
ચર્ચામાં જોડાઓ: https://t.me/GyaanSetuAi