Synthesia wstawia generowanie wideo do ChatGPT, a nowe modele zatrzymują się na 30 sekundach

Synthesia przenosi produkcję do okna czatu

Kupujący wybierają dziś raczej kanał niż model: wtyczkę do czatu, API albo agregatora, który odsprzedaje kilkanaście modeli naraz. Porównywanie cen przenosi się więc na pakiety kredytów i plany rozliczane od stanowiska. Dla małych zespołów rozstrzygający staje się znak wodny i warunki użytku komercyjnego.

Wtyczka nie tylko zwraca klip. Użytkownik opisuje wideo albo wrzuca dokument, prezentację lub arkusz, a ChatGPT dopytuje o styl i długość, zanim Synthesia zacznie cokolwiek budować. Kolejne polecenia w tej samej rozmowie zmieniają wynik. Domyślnie wideo powstaje w Syren, które Synthesia kieruje do materiałów wyjaśniających, instruktaży i zapowiedzi produktów. Prompt może poprosić o Studio, gdzie awatar czyta dostarczony skrypt słowo w słowo. Gotowy materiał otwiera się w edytorze Synthesii, gdzie można zmieniać scenę po scenie.

Najciekawsze są przykłady automatyzacji. Synthesia podaje, że przepływ pracy potrafi zamienić każdy nowy post na kanale Slacka poświęconym wydaniom produktu w 30-sekundowe wideo promocyjne. Inny codziennie o 8:00 w dni robocze zagląda do BambooHR i tworzy 60-sekundowe wideo powitalne dla każdej nowo zatrudnionej osoby.

To inna oferta sprzedażowa niż wynik z testu porównawczego. Wideo jest efektem procesu, który zespół już prowadzi.

Nowe modele zgadzają się na 30 sekund i dźwięk

Kling 4.0 działa w playgroundzie fal i w fal Agent, jak wynika z tekstu DotAI Times opublikowanego na note.com. W jednym przebiegu zwraca od 3 do 30 sekund wideo z dwukanałowym dźwiękiem stereo. Dialog, śpiew, efekty dźwiękowe i tło powstają w synchronizacji z obrazem. Jedno uruchomienie może się odwołać do maksymalnie 15 zasobów: 10 obrazów, 5 wideo o łącznej długości 30 sekund oraz 7 elementów.

Linia Seedance od ByteDance idzie dalej w odwołaniach. TechFlow podał 28 października, że B.AI dodało cztery modele Seedance do swojego API. Seedance 2.5 obsługuje pojedyncze przebiegi do 30 sekund w rozdzielczości do 1080p 10-bit, z maksymalnie 50 zasobami referencyjnymi i edycją wskazującą znaczniki czasu. Seedance 2.0 celuje w 4K 10-bit, czyli 4 000 pikseli w poziomie, z kontrolą klatki początkowej i końcowej. Seedance 2.0 Fast generuje w 480p lub 720p, a 2.0 Mini stoi najniżej w cenniku jednostkowym.

Dwie flagowe premiery lądują więc na tej samej długości. Szersza różnica to 15 zasobów referencyjnych przeciw 50. Ma to znaczenie dla każdego, kto buduje powracającą postać albo linię produktów, a nie pojedynczy klip.

Dystrybucja robi więcej niż model

AIVideoFree wystartował ponownie 30 października z kredytami za rejestrację, które działają we wszystkich 12 modelach wideo i 10 modelach obrazu, w tym Veo, Kling 3.0, Seedance 2.5, Wan 3.0 i Minimax H3. Firma twierdzi, że wideo pobiera się bez znaku wodnego, kredyty nie wygasają, a materiały z darmowych kredytów można używać komercyjnie. Do rejestracji nie potrzeba karty kredytowej, a firma podaje, że subskrypcja nie jest wymagana.

Cuty AI prowadzi ten sam pomysł dalej. Zestawienie narzędzi wideo dla zespołów w The Jerusalem Post wymienia 28 modeli wideo na jej stronie. Są wśród nich Seedance 2.5, Veo 3.1, Kling 3.0 i Wan 3.0.

B.AI sprzedaje drugi koniec kanału: dostęp przez API do czterech poziomów Seedance, od flagowego 2.5 po 2.0 Mini. Zespół, który chce najnowszy model ByteDance, może do niego dotrzeć przez API B.AI, przez agregatora albo przez wtyczkę do czatu. Każda droga ma własne warunki, własną stawkę kredytową i własne zasady użytku komercyjnego.

Ile kosztuje dostęp

Ceny z cenników dotyczą kredytów i stanowisk, nie modelu. AIVideoFree sprzedaje jednorazowe pakiety od 6,90 dol. za 600 kredytów, a plany roczne od 7,40 dol. miesięcznie przy rozliczeniu za rok. Plan Lite w Cuty AI rozliczany rocznie kosztuje 4,9 dol. miesięcznie za 300 kredytów, a Pro 8,9 dol. miesięcznie za 1 000. Plany zespołowe Adobe Firefly startują od 19,99 dol. za licencję miesięcznie, według porównania w The Jerusalem Post.

Postawione obok siebie dają różnicę 4,9 dol. przeciw 19,99 dol. Porównanie nie jest czyste. AIVideoFree pokazuje koszt kredytowy każdej generacji, zanim ta się zacznie. W recenzji The Jerusalem Post czytamy też, że wideo z darmowej wersji Cuty AI może nosić znak wodny, co psuje darmowy plan przy pracy dla klienta.

Dla małego zespołu rozstrzygające pytanie rzadko dotyczy jakości. Chodzi o to, czy wynik może trafić do klienta bez znaku wodnego i bez umowy na stanowiska.

Co pozostaje otwarte

Dostęp do API Kling 4.0 figuruje jako zapowiedź, więc twórcy nie mogą jeszcze wpiąć go do własnych produktów. Rozszerzanie wideo do 2 minut jest obiecane bez daty.

Zapowiedź Seedance z 28 października wymieniała możliwości, ale nie ceny za wywołanie. Ani B.AI, ani ByteDance nie podały, ile kosztuje przez API jeden 30-sekundowy przebieg Seedance 2.5.

Na tę lukę trzeba patrzeć. Długość, dźwięk i liczba odwołań zbiegły się szybko w Kling i Seedance. Cena za gotową sekundę jeszcze nie.