کیا یہ بہترین AI ویڈیو نسل ماڈل ہو سکتا ہے؟ Alibaba Wan 2.2 جاری کرتا ہے

ہیلو محبت کرنے والے! 30th ایڈیشن "This Week in AI Engineering" میں خوش آمدید! اس ہفتے، Alibaba نے ایک پاگل نیا ویڈیو جنوری ماڈل شروع کیا، OpenAI ChatGPT کو ایک انٹرایکٹک ٹیوٹر میں تبدیل کرتا ہے، اور یہ چینی کھلے ذریعہ ماڈل تمام بینکنگ مارکنگ کر رہا ہے. اس کے ساتھ، ہم بھی کچھ نیچے راڈار کے اوزار کی جانچ پڑتال کریں گے جو آپ کی ترقی کے کام کی رفتار کو زیادہ کرسکتے ہیں. Alibaba's New Video Generation Model is the BEST ، دنیا کا پہلا کھلے ذریعہ ویڈیو پیداوار ماڈل Mixture-of-Experts آرکیٹیکل کا استعمال کرتے ہوئے، 27B پیرامیٹرز کے ساتھ فلمی معیار کی ویڈیو پیداوار فراہم کرتا ہے لیکن فی مرحلے میں صرف 14B فعال ہے، پیشہ ورانہ ویڈیو پیداوار کو صارفین کے ہارڈ ویئر کے لئے دستیاب بناتا ہے. Alibaba نے Wan 2.2 کو جاری کیا ہے Alibaba نے Wan 2.2 کو جاری کیا ہے What's New نئی کیا ہے انقلابی MoE آرکیٹیکل: ماہر ماہرین کا استعمال کرتے ہوئے پہلا کھلی سافٹ ویئر ویڈیو ماڈل - layout منصوبہ بندی کے لئے ہائی ریموٹ ماہر اور کم ریموٹ ماہر، تجارتی استعمال کے لئے Apache 2.0 لائسنسنگ کے ساتھ کمپیوٹر کی کارکردگی کو برقرار رکھنے کے ساتھ کارکردگی کو بہتر بنانے کے لئے. بہتر تربیت کی بنیاد: WAN 2.1 کے مقابلے میں +65.6٪ زیادہ تصاویر اور +83.2٪ زیادہ ویڈیوز کے ساتھ بڑے پیمانے پر ڈیٹا کی بہتریاں، روشنی، مرکب، کنٹراٹ اور رنگوں کے ٹن کے لئے تفصیلی لیبل کے ساتھ کیریٹڈ اسٹیک ڈیٹا کو شامل کرنے کے لئے فلم کی معیار کی پیداوار حاصل کرنے کے لئے. دوہری ماڈل کی حکمت عملی: 27B MoE پریمیم ورژن کے ساتھ ماہر سوئچنگ کی بنیاد پر سیگنال-روح کی شرح کے ساتھ 5B گہری ماڈل (TI2V-5B) صارف دوستانہ تنصیب کے لئے، وسیع پیمانے پر استعمال کی اجازت دیتا ہے مختلف ہارڈ ویئر ترتیبوں میں. Benchmark Domination برانچ ڈومیننگ : Consumer Hardware Excellence ایک RTX 4090 پر 5 سیکنڈ 720P ویڈیو 9 منٹ میں پیدا کرتا ہے متن کے ساتھ ویڈیو اور تصویر کے ساتھ ویڈیو پیداوار کی حمایت 720P/24fps بہتر میموری استعمال کے ساتھ صارفین کے GPU پر مؤثر طریقے سے چلتا ہے : Commercial Model Competition "سب سے اوپر کی کارکردگی تمام کھلی اور بند شدہ سافٹ ویئر ماڈلوں میں" Wan-Bench 2.0 پر اہم تجارتی اختیارات کے مقابلے میں بہترین نتائج اعلی درجے Wan2.2-VAE 16×16×4 کمپریشن رینج کے ساتھ بہترین معیار اور کارکردگی کا توازن کے لئے Real-World Applications حقیقی دنیا کی درخواستیں Unified Framework Deployment: سائنسی تحقیق اور صنعتی ایپلی کیشنز دونوں کو آسانی سے انضمام کے ساتھ خدمت کرتا ہے، جس میں تخلیقی مواد کی پیداوار سے تکنیکی ویڈیو سیٹیسز کی تحقیق سے سب کچھ ممکن ہوتا ہے. اعلی درجے کی تکنیکی آرکیٹیکل: پورے کمپریشن کی شرح 4×32×32 تک پہنچتی ہے، patchification کے ساتھ، مؤثر ویڈیو پروسیسنگ فراہم کرتا ہے جبکہ مختلف استعمال کے حالات میں اعلی بصری وفاداری کو برقرار رکھتا ہے. What Makes It Superior to Other Models کیا اسے دوسرے ماڈلوں سے بہتر بناتا ہے Open Source فوائد: Runway یا Pika Labs کی خصوصی ویڈیوز پیدا کرنے کے آلات کے برعکس، Wan 2.2 مکمل شفافیت اور اپنی مرضی کے لئے صلاحیت فراہم کرتا ہے، بغیر استعمال کی محدودیتوں یا جاری سائن اپ کی لاگتیں. ہارڈ ویئر تک رسائی: انقلابی کارکردگی کاروباری ہارڈ ویئر پر پیشہ ورانہ ویڈیوز کی پیداوار کی اجازت دیتا ہے، کلاؤڈ پر مبنی متبادلوں کے مقابلے میں ویڈیو تخلیق کو جمہوری بناتا ہے. تجارتی قابل عمل: Apache 2.0 لائسنسز تجارتی ایپلی کیشنز کے لئے قانونی نگرانیوں کو ہٹا دیتا ہے، جس میں پیشہ ورانہ ویڈیو پیداوار کی ضرورت ہوتی ہے جو پیشہ ورانہ پر منحصر نہیں ہے. یہ ریلیز Wan 2.2 کو اہم قیمت کے فوائد اور انٹرپرائز تیار صلاحیتوں کے ساتھ خصوصی ویڈیوز کی پیداوار کے ماڈلوں کے لئے یقینی کھلی سکرین کے متبادل کے طور پر پیش کرتا ہے. ChatGPT is now Your Private Tutor ، ایک انٹرایکٹو سیکھنے کی خصوصیات، فوری جوابات فراہم کرنے کے بجائے مسائل کے مرحلے کے ذریعے طالب علموں کو ہدایت کرنے کے لئے ڈیزائن کیا گیا ہے، Socratic سوالات اور ذاتی سلاٹنگ کے ساتھ AI کی طرف سے طاقتور تعلیم کو انقلاب. OpenAI نے ChatGPT میں مطالعہ موڈ شروع کیا OpenAI نے ChatGPT میں مطالعہ موڈ شروع کیا What's New نئی کیا ہے Socratic Learning Approach: براہ راست جوابات کے بجائے انٹرایکٹو مشورے، تجاویز، اور خود تفہیم کا استعمال کرتے ہوئے، فعال مشارکت کو حوصلہ افزائی اور محققین اور سائنسدانوں کے ساتھ تیار شدہ تحقیق کی حمایت کی تعلیمات کے اصولوں کے ذریعہ میٹاکونجی کی ترقی. وسیع دستیاب: مفت، پلس، پرو، اور ٹیم کے صارفین کے لئے اب جاری، ChatGPT Edu کی دستیابیت ہفتوں میں آ جائے گی، بات چیت کے دوران مختلف سیکھنے کے مقاصد کے لئے آسانی سے منتقل کرنے کی صلاحیت کے ساتھ. اپنی مرضی کے مطابق تعلیمی سپورٹ: صارف کی مہارت کی سطح پر منحصر ہے، تجزیہ کے سوالات اور چیٹ کی تاریخ پر مبنی، کھپت کے حصوں اور اہم موضوعات کے رابطوں میں تقسیم کردہ معلومات کے ساتھ سلاٹ جوابات فراہم کرتا ہے. Performance Improvements کارکردگی میں بہتریاں طالب علم کامیابی میٹرک: صارفین کی طرف سے بیان کیا گیا ہے کہ "مزید، 24 / 7، سب سے زیادہ جاننے والے آفس گھنٹے" کے طور پر، پیچیدہ مواد کو واضح وضاحتوں میں تقسیم کرنے میں مؤثر طریقے سے اور مسلسل، صبر کرنے والے ٹورٹرنگ کے ذریعہ چیلنج کنکشنوں کے ساتھ کامیابی سے مدد. Advanced Learning Features: اعلی تعلیمی خصوصیات: علم کی جانچ پڑتال کے اختیارات اور کھلے اختتام سوالات ذاتی ترقی پر مبنی ذاتی واپسی تعلیمی برقرار رکھنے کے لئے cognitive load management for optimal learning retention گائیڈ ڈیزائن کے ذریعے دلچسپی کو فروغ دینے Real-World Impact حقیقی دنیا کا اثر تعلیمی تحقیق کے انضمام: مستقبل کی ترقی میں سٹینفورڈ کے SCALE انضمام کے ساتھ شراکت داری شامل ہے، AI سیکھنے کے نتائج پر طویل مدتی مطالعہ کے لئے، پیچیدہ خیالات کے لئے واضح تصور اور بات چیتوں میں مقاصد مقرر کرنے پر توجہ مرکوز. Target Optimization: بنیادی طور پر کالج کے طالب علموں کے لئے ڈیزائن کیا گیا ہے جو K-12 ایپلی کیشنز کے لئے وسیع پیمانے پر تعلیمی تحقیق کر رہے ہیں، عمر کے مطابق تعلیمی نقطہ نظر کو یقینی بناتے ہیں. یہ लॉन्च ChatGPT کو مشہور AI تعلیمی پلیٹ فارم کے طور پر قائم کرتا ہے، ترقی یافتہ AI کی صلاحیتوں کو تبدیل کرنے والے سیکھنے کے تجربات کے لئے ثابت تعلیمی تحقیق کے ساتھ ملتا ہے. Create Apps by just talking to Microsoft’s Latest Tool کوڈ لکھنے یا انسٹال کرنے کے بغیر "میکرو اپلی کیشنز" بنانے اور اشتراک کرنے کے لئے ایک AI طاقتور آلہ کے طور پر شروع کیا گیا ہے، Unix فلسفہ کی پیروی کرنے کے لئے سافٹ ویئر کی اپنی مرضی کے طور پر آسان بنانے کے لئے قدرتی زبان کے تعامل کے ذریعے آپ کی ترقی کے ماحول کو اپنی مرضی کے طور پر. مائیکروسافٹ کے GitHub Spark مائیکروسافٹ کے GitHub Spark What's New نئی کیا ہے تین اجزاء کی آرکیٹیکل: NL-Based ایڈیٹر کے ساتھ انٹرایکٹک پیش نظارہ اور ترمیم کے مترادفات، Managed Runtime Environment کے ساتھ ڈویلپرنگ مفت ہوسٹنگ اور مسلسل ڈیٹا اسٹوریج، plus PWA-Enabled Dashboard for spark management and sharing with controlled permissions. ماڈل انتخاب انعطاف پذیری: مختلف تخلیقی نقطہ نظر کے لئے Claude Sonnet 3.5, GPT-4o، o1-preview، یا o1-mini سے منتخب کریں، خود کار طریقے سے تاریخ بچانے اور ایک کلک کے ساتھ ہر ترمیم کی واپسی کے لئے آسانی سے دوبارہ. تعاون کی ترقی: صرف پڑھنے یا پڑھنے اور لکھنے کی اجازت کے ساتھ پھیلاؤ پھیلاؤ، صارفین کو پسند کرنے یا مشترکہ پھیلاؤ کو ریمیکس کرنے کی اجازت دیتا ہے، اور تخلیق کرنے والے کے خیال کے عمل کو دکھانے والی ترمیم کی تاریخ کے ذریعہ "سیمینٹک نقطہ نظر کے ذریعہ" فراہم کرتا ہے. Benchmark Performance Benchmark کارکردگی : Development Speed Revolution Live app display as you type natural language descriptions آپ قدرتی زبان کی وضاحتیں لکھتے ہیں 3-6 مختلف ورژن کی پیداوار کے لئے ایکسپریس کی درخواست پر ڈیسک ٹاپ / موبائل پر PWA افعال کے ساتھ خود کار طریقے سے تنصیب شامل UI اجزاء کو اپنی مرضی کے ساتھ Diverse Use Case Success: کامیابی کے مختلف طریقوں کا استعمال: LLM پیدا ہونے والے جشن کے پیغامات کے ساتھ بچوں کی ادائیگی ٹریکر Custom HackerNews کلائنٹ with comment thread summaries Karaoke رات ٹریکر گاہکوں کی حالت کے انتظام کے ساتھ شہر کی وضاحت کے ساتھ تعلیمی نقشے ایپ Animated Vehicle World (ایک 6 سالہ بچی کی طرف سے تخلیق) Technical Implementation تکنیکی انضمام اعلی درجے کی چلانے کی خصوصیات: بصری ڈیٹا ایڈیٹر، GitHub ماڈلز کے ذریعہ منسلک ماڈل پروموٹنگ، اور موضوعی ڈیزائن سسٹم، روایتی تنصیب کی پیچیدگی کو ہٹا دینے کے ساتھ انتظام کی کلید-ویئر اسٹوریج. What Makes It Superior to Competitors کیا آپ کو آپ کے مقابلے میں بہتر بناتا ہے Zero-Cost Creation Philosophy: کسی بھی شخص کو قدرتی زبان کے ذریعہ اپنی مرضی کے مطابق سافٹ ویئر کے آلے کی تعمیر کرنے کی اجازت دیتا ہے اور کمپیوٹرز کو طاقتور طور پر اپنی مرضی کے مطابق بناتا ہے. Unix فلسفہ ایپلی کیشن: ایپلی کیشنز جو ایک چیز کو اچھی طرح سے کرتے ہیں، خاص طور پر انفرادی ضروریات کے لئے اپنی مرضی کے مطابق اور اس وقت تک مفید ہیں جب تک ضروری ہے، نیچ، مختصر زندگی، یا ذاتی آلات کے لئے پیچیدگی کے حائلوں کو کم کرنے پر توجہ مرکوز کرتے ہیں. Semantic Development Experience: روایتی کوئی کوڈ پلیٹ فارم کے برعکس، Spark خود کار طریقے سے متبادل پیداوار کے ساتھ قدرتی بات چیت کے ذریعے ترقی کی اجازت دیتا ہے، غیر ڈویلپرز کے لئے پروگرامنگ دستیاب بناتا ہے. یہ تکنیکی پیش نظارہ قدرتی زبان کے پروگرامنگ کی طرف ایک بنیادی تبدیلی کی نمائندگی کرتا ہے، GitHub Spark کو دستیاب سافٹ ویئر کی ترقی کے مستقبل کے طور پر پوزیشن. Runway’s new Tool Revolutionizes In-Context Video Editing ایک state-of-the-art in-context ویڈیوز ماڈل جو سادہ متن نوٹس یا حوالہ تصاویر کے ذریعے مکمل ویڈیوز ایڈیٹنگ کی اجازت دیتا ہے، پیشہ ورانہ معیار کی بصری اثرات فراہم کرتا ہے بغیر روایتی پیداوار کی ضروریات. رینوی نے Aleph کا آغاز کیا رینوی نے Aleph کا آغاز کیا What's New نئی کیا ہے Multi-Task Visual Generation: مکمل ویڈیو ترمیم کی صلاحیتوں میں سے ایک کیمرے کنٹرول (انٹرو اسٹاک، کم زاویہ، اگلے اسٹاک کی نسل)، سٹائل تبدیلی (شیٹیک ٹرانسفر، ماحول میں تبدیلیاں، ریلٹنگ) اور اشیاء کے کنٹرول (ایک مناسب روشنی اور سایہ کے ساتھ عناصر کو شامل / ہٹا دیں / تبدیل کریں). پیشہ ورانہ معیار کنٹرول: مناسب روشنی، سایہ، تفہیم، اور نقطہ نظر کی مطابقت کو برقرار رکھتا ہے جبکہ قدرتی زبان کی وضاحتوں کے ذریعے کردار کی ترمیم (تبدیل نظر، سبز سکرین نکالنے) اور سکرین کنٹرول کی اجازت دیتا ہے. انعطاف پذیر پیداوار اختیارات: سبز اسکرین، شفاف، اور مضبوط رنگوں سمیت مختلف پس منظر اختیارات کے ساتھ برآمد، مناسب تخلیقی کنٹرول اور پیشہ ورانہ انضمام کام کے چیلنجز کے لئے منشور تصویر کی حمایت کے ساتھ. Advanced Editing Capabilities: اعلی درجے کی مصنوعات کی صلاحیت: ایک ویڈیو سے نئی پہلی فریم تصاویر میں حرکت کی نقل و حمل ماحول میں تبدیلیاں (مزید موسم، دن کے وقت، موسم کے حالات) Object redexturing اور مکمل تبادلہ (کار پر گھوڑے کی ٹرک) Swatches یا بیاناتی نوٹس کا استعمال کرتے ہوئے رنگ تبدیلیاں Real-World Applications حقیقی دنیا کی درخواستیں صنعت کے استعمال کے حالات: فلم بنانے کی پوشیدہ پیداوار اور بصری اثرات، مواد تخلیق کے تبادلہ، پیداوار کے بعد روشنی کی اصلاحات اور عناصر کو ہٹا دیں، اس کے علاوہ تخلیقی منصوبوں کے ساتھ غیر ممکن منظر تخلیق. قیمت پر مؤثر پیداوار: روشنی یا وقت کے مسائل کی وجہ سے ریشمی کی ضرورت کو روکتا ہے، مہنگی عملی اثرات اور میک اپ کی ضروریات کو کم کرتا ہے، پچھلا پیداوار میں لامحدود تخلیقی انعطاف پذیری فراہم کرتا ہے. What Makes It Superior to Competitors کیا آپ کو آپ کے مقابلے میں بہتر بناتا ہے Source Fidelity Maintenance: تباہ کن ترمیم کے اوزار کے برعکس، Aleph اصل تصویر کے معیار کو برقرار رکھتا ہے جبکہ AI-powered پروسیسنگ کے ذریعے وسیع پیمانے پر ترمیم کی اجازت دیتا ہے. قدرتی زبان کنٹرول: تمام ترمیموں کو سادہ متن کی وضاحتوں کے ذریعے حاصل کیا جاتا ہے، پیچیدہ سافٹ ویئر سیکھنے کے کوریج اور تخلیقی پیشہ وروں کے لئے تکنیکی حائلوں کو ہٹا دیتا ہے. پیشہ ورانہ انٹرویو: موجودہ پیداوار کے بعد کام کے جریانوں کے ساتھ براہ راست مطابقت، انٹرویو تبدیلیوں کے بغیر کارپوریشن کی سطح کی صلاحیت فراہم کرتا ہے. یہ ریلیز Runway Aleph کو یقینی AI-powered ویڈیو ایڈیٹنگ حل کے طور پر پیش کرتا ہے، جس میں پیشہ ورانہ پیداوار کے معیار کے ساتھ غیر معمولی تخلیقی کنٹرول کا مجموعہ ہوتا ہے. Tools & Releases YOU Should Know About (Artificial Design Intelligence) صارف کے انٹرویو کی بنیاد پر خود کار طریقے سے اپنی مرضی کے مطابق ویب سائٹس تخلیق کرکے ویب ڈیزائن کو تبدیل کرتا ہے. یہ مطلوبہ ویب سائٹ کے مقصد، ترجیحات اور مواد کے بارے میں ایک سلسلہ سوالات پوچھتا ہے، پھر AI کا استعمال کرتے ہوئے چند منٹ میں مکمل طور پر کام کرنے والے ویب سائٹ کو تخلیق کرنے کے لئے، ویب کی ترقی کو ہر کسی کے لئے دستیاب بناتا ہے. Wix ADI یہ iOS، Android، اور ویب ایپلی کیشنز کے لئے غیر کوڈ کی ترقی کے ذریعے موبائل ایپ کی ترقی کو زیادہ قابل رسائی بناتا ہے. یہ کسی بھی پروگرامنگ کی مہارت کے ساتھ صارفین کو ایک drag-and-drop انٹرفیس کا استعمال کرتے ہوئے ایپلی کیشنز تخلیق کرنے کی اجازت دیتا ہے، جبکہ اس کے بلی اور پودے کی خصوصیات ChatGPT-powered chatbot Builder ہے. Appy Pie یہ ویب اور موبائل ایپلی کیشنز کی جانچ پڑتال کو خود کار طریقے سے اس بات کو یقینی بنانے کے لئے استعمال کرتا ہے کہ وہ مختلف آلات اور براؤزرز پر مناسب طریقے سے ظاہر اور کام کرتے ہیں. یہ ایپلی کیشنز کی بصری پہلوؤں کو بنیادی تصاویر کے مقابلے میں موازنہ کرتا ہے کہ روایتی ٹیسٹ کے طریقوں سے لطف اندوز ہوسکتے ہیں، خود کار طریقے سے بصری ٹیسٹ، جامع ٹیسٹ رپورٹوں، اور آسانی سے سی آئی / سی ڈی پائپ لائن انٹرویوشن کے ساتھ معیار کی ضمانت کو بہتر بناتا ہے. Applitools اور یہ اس مسئلے کو حل کرتا ہے " " This Week in AI Engineering. آپ کو ٹویٹنگ کے لئے شکریہ! اس نیٹ ورک کو اپنے دوستوں کے ساتھ اشتراک کرنے کے لئے یقینی بنائیں اور مزید ہفتہ وار اپ ڈیٹس کے لئے پیروی کریں. اگلی بار تک، خوش آمدید!