શું તમારા AI વિડિયો મોડલ્સ સુસંગત છે?

થોડા અઠવાડિયા પહેલા, અમે અમારા સ્ટોરીબોર્ડ ટુ વીડિયો વર્કફ્લોને લોન્ચ કરવાની તૈયારી કરી રહ્યા હતા. તેનો મુખ્ય ઉદ્દેશ્ય પાત્રમાં સુસંગતતા જાળવવાનો છે: તમે તમારા કલાકારોને એકવાર વ્યાખ્યાયિત કરો છો, અને તેઓ દરેક દ્રશ્યમાં તે જ રહે છે. તે કરવા માટે, અમે દરેક જનરેશન પર તે કલાકારોની સંદર્ભ છબીઓ (reference images) વીડિયો મોડેલને મોકલીએ છીએ.

અને તે દરેક વિનંતીઓ નકારવામાં આવીને પાછી આવવા લાગી.

તે સમયે અમે ઉચ્ચ-ગુણવત્તાવાળા વીડિયો માટે જે મોડેલનો ઉપયોગ કરી રહ્યા હતા તે Seedance હતું, જે ચીની કંપની બાઈટડાન્સ (ByteDance) (તે જ કંપની જે TikTok ની માલિકી ધરાવે છે) દ્વારા બનાવવામાં આવ્યું છે. જાણવા મળ્યું કે Seedance દરેક અપલોડ કરેલી છબી પર તમારો પ્રોમ્પ્ટ વાંચે તે પહેલાં જ ફેસ-ડિટેક્શન તપાસ કરે છે, અને તે કોઈપણ ઓળખી શકાય તેવા માનવીય ચહેરાવાળી છબીને સખત રીતે બ્લોક કરે છે. અમારા કલાકારો જ આ આખા ફીચરનો મુખ્ય ભાગ હતા, અને મોડેલ તેમને જોવાની ના પાડી રહ્યું હતું. આ બાબત સારી રીતે નોંધાયેલી છે: સર્જકો સતત આ જ દીવાલ સાથે અથડાય છે, અને થર્ડ-પાર્ટી API પ્રોવાઇડર્સ પણ ચેતવણી આપે છે કે "વાસ્તવિક માનવીય ચહેરાવાળી છબીઓ બાઈટડાન્સની કન્ટેન્ટ પોલિસી દ્વારા બ્લોક કરવામાં આવે છે." પ્રોમ્પ્ટમાં કોઈ ફેરફાર તેને ઠીક કરી શકતો નથી, કારણ કે પ્રોમ્પ્ટ ક્યારેય સમસ્યા નથી હોતો: છબી પ્રોમ્પ્ટ વાંચતા પહેલા જ એક અલગ સ્કેન સ્ટેજ પર નકારી દેવામાં આવે છે.

અમે આનો કોઈ કામચલાઉ ઉપાય (workaround) શોધી શક્યા હોત. તેના બદલે અમે આખા ટિયરને Seedance થી દૂર ખસેડ્યું. અને આ સમયનું મહત્વ અમે ધાર્યું હતું તેના કરતા ઘણું વધારે સાબિત થયું.

આ ફક્ત અમારી સમસ્યા નહોતી

જ્યારે અમે કન્ટેન્ટ ફિલ્ટર સાથે વ્યવહાર કરવામાં વ્યસ્ત હતા, ત્યારે વોશિંગ્ટન "તમે કયા AI મોડેલનો ઉપયોગ કરી રહ્યા છો" તે પ્રશ્નને કમ્પ્લાયન્સ (compliance) પ્રશ્નમાં ફેરવવામાં વ્યસ્ત હતું.

યુ.એસ. સરકાર AI સંબંધિત બે સંબંધિત પરંતુ અલગ નિયમોના સેટને કડક બનાવી રહી છે.

પ્રથમ પહેલેથી જ કાયદો છે. ડિપાર્ટમેન્ટ ઓફ જસ્ટિસનો ડેટા સિક્યુરિટી પ્રોગ્રામ અમુક વ્યવહારોને પ્રતિબંધિત કરે છે જે ચીન અને અન્ય "ચિંતાજનક દેશોને" મોટા પ્રમાણમાં સંવેદનશીલ યુ.એસ. વ્યક્તિગત ડેટા અથવા સરકાર સંબંધિત ડેટાની ઍક્સેસ આપે છે. તે એક્ઝિક્યુટિવ ઓર્ડર 14117 હેઠળ જારી કરવામાં આવ્યો હતો, 8 એપ્રિલ, 2025 ના રોજ અમલમાં આવ્યો, અને 8 જુલાઈ, 2025 ના રોજ સક્રિય અમલીકરણમાં મૂકવામાં આવ્યો. ચીન, હોંગકોંગ અને મકાઉ સહિત, તે છ નિર્ધારિત ચિંતાજનક દેશોમાંનો એક છે. આવરી લેવામાં આવેલી શ્રેણીઓમાં બાયોમેટ્રિક ઓળખકર્તાઓ, ચોક્કસ ભૌગોલિક સ્થાન, વ્યક્તિગત સ્વાસ્થ્ય ડેટા, વ્યક્તિગત નાણાકીય ડેટા, જીનોમિક ડેટા અને અમુક વ્યક્તિગત ઓળખકર્તાઓનો સમાવેશ થાય છે. આ યુનાઇટેડ સ્ટેટ્સની બહાર કોઈપણ ડેટા મોકલવા પર સંપૂર્ણ પ્રતિબંધ નથી: તે ડેટાના પ્રકાર અને જથ્થા, વ્યવહાર, પ્રદાતા અને પ્રદાતાની માલિકી અથવા અધિકારક્ષેત્ર પર આધારિત છે. વધુ માહિતી માટે ફેડરલ રજિસ્ટર ફાઇનલ રૂલ જુઓ.નિયમોનો બીજો સેટ વધુ નવો છે અને ઝડપથી આગળ વધી રહ્યો છે. માત્ર આ અઠવાડિયે જ, ટ્રેઝરી સેક્રેટરી સ્કોટ બેસેન્ટે બૌદ્ધિક સંપત્તિની ચોરી અંગે ચાઇનીઝ AI કંપનીઓ પર પ્રતિબંધોની ધમકી આપી, અને વ્હાઇટ હાઉસે મૂનશોટ AI પર એન્થ્રોપિકના ફેબલ મોડલનું નિસ્યંદન કરવાનો આરોપ મૂક્યો, જેમાં એન્ટિટી લિસ્ટમાં નામ ઉમેરવાની વાત "ટેબલ પર" છે. ટોમ્સ હાર્ડવેર અને MLQ ના રિપોર્ટિંગમાં એક વ્યાપક દબાણ (ખરીદી પ્રતિબંધો, સુરક્ષા સલાહ અને જવાબદારીના નિયમો) નું વર્ણન કરવામાં આવ્યું છે જે સત્તાવાર પ્રતિબંધ સુધી તો નથી પહોંચતું, પરંતુ ચાઈનીઝ મોડલ પર બનેલા કોઈપણ અમેરિકન વ્યવસાય માટે વાસ્તવિક મુશ્કેલીઓ ઉભી કરે છે.

આ માત્ર એક મોડલ અથવા એક દેશ વિશે નથી

અમે જે બોધપાઠ શીખ્યા તે એ નથી કે "સીડાન્સ ખરાબ છે." પરંતુ એ છે કે તમે જે દરેક મોડલ પર કામ કરો છો તે એક નીતિ, અધિકારક્ષેત્ર અને ઉપલબ્ધતા સમયમર્યાદા સાથે આવે છે જે તમારા નિયંત્રણમાં નથી, અને તેમાંથી કોઈપણ રાતોરાત તમારી નીચે બદલાઈ શકે છે.

• ચાઇનીઝ વિડિયો મોડલ્સ સૌથી વધુ જોખમમાં છે. બાઇટડાન્સનું સીડાન્સ, કુઆઈશોનું Kling, અને મિનીમેક્સનું હૈલુઓ દરેક આક્રમક, અસ્પષ્ટ કન્ટેન્ટ ફિલ્ટર્સને તેમની પાછળના નિયમનકારી લક્ષ્ય સાથે જોડે છે.
• મૂનશોટ AI નું કિમી, જેને તેના નિર્માતા દ્વારા વિશ્વનું સૌથી મોટું ઓપન-વેઈટ મોડલ ગણાવવામાં આવે છે અને તે એટલું લોકપ્રિય છે કે માઈક્રોસોફ્ટે કોપાયલટ અને એઝ્યુર માટે તેનું પરીક્ષણ કર્યું હોવાના અહેવાલ છે, તે હવે પ્રતિબંધોની લડાઈના કેન્દ્રમાં છે. જે ટીમોએ તેને અપનાવ્યું છે તેમને કદાચ અચાનક બહાર નીકળવાની યોજનાની જરૂર પડી શકે છે.
• પશ્ચિમી પ્રદાતાઓ પણ આશ્ચર્યજનક બાબતો ધરાવે છે. ઈલેવનલેબ્સ, એક અગ્રણી (બિન-ચાઈનીઝ) વોઈસ કંપની, તેની પ્રતિબંધિત ઉપયોગ નીતિ માં અગાઉની લેખિત અધિકૃતતા વિના સરકારી સંસ્થાઓ ને તેની સેવાનો ઉપયોગ કરતા ચૂપચાપ રોકે છે. જો તમે જાહેર ક્ષેત્રમાં વેચાણ કરો છો, તો તે કલમ તમને ભૌગોલિક રાજકીય કલમ જેટલી જ સખત રીતે રોકી શકે છે.આમાનું કંઈ પણ એકવાર "સારા" પ્રદાતાઓને પસંદ કરીને આગળ વધવા વિશે નથી. સ્વીકાર્ય મોડલ્સનો સમૂહ એક બદલાતું લક્ષ્ય છે, અને તે એવા કારણોસર બદલાય છે જેનો તમારા ઉત્પાદન સાથે કોઈ લેવાદેવા નથી.

VideoGen આ વિશે શું કરે છે

અમને નથી લાગતું કે તમારે વિડિયો બનાવવા માટે આમાંના કોઈપણને ટ્રૅક કરવું જોઈએ.

VideoGen એ AI વિડિયો માટેનું મોડલ લેયર છે. અમારું મોડલ રાઉટર તમારા વર્કફ્લો અને અંતર્ગત પ્રદાતાઓ વચ્ચે બેસે છે, અને તે નક્કી કરે છે કે દરેક જનરેશન કયા મોડલ પર ચાલશે, જે ગુણવત્તા, ઉપલબ્ધતા અને પાત્રતા પર આધારિત છે, નહીં કે કયો લોગો ટ્રેન્ડમાં છે તેના પર.

ચોક્કસ રીતે કહીએ તો, Seedance એપિસોડ પછી અમે ઉચ્ચ-ગુણવત્તાવાળા વિડિયો જનરેશનને Google ના Omni મોડલ પર સ્થાનાંતરિત કર્યું છે, જેમાં અન્ય ચકાસાયેલ, બિન-ચીની પ્રદાતાઓ પર સ્વચાલિત ફૉલબેક છે. જો કોઈ મોડલ વિનંતીને નકારે, બંધ થઈ જાય અથવા અયોગ્ય બની જાય, તો રાઉટર તે વિનંતી પર તેની આસપાસ રૂટ કરે છે, પારદર્શક રીતે, તમારે કંઈપણ ફરીથી લખ્યા વિના. અમારા કલાકારો હવે સ્પષ્ટપણે જનરેટ કરે છે, અને સ્ટેકની અનુપાલન સ્થિતિ એવી વસ્તુ છે જેનું અમે સંચાલન કરીએ છીએ જેથી તમારે ન કરવું પડે.

અમે સતત VideoGen દ્વારા ઉપલબ્ધ મોડલ્સ અને પ્રદાતાઓનું મૂલ્યાંકન કરીએ છીએ, જેમાં નીચેનાનો સમાવેશ થાય છે:

• ગ્રાહકનો ડેટા ક્યાં પ્રોસેસ કરવામાં આવે છે
• દરેક મોડલ કઈ કંપની ચલાવે છે
• શું ડેટા જાળવી રાખવામાં આવે છે અથવા તાલીમ માટે ઉપયોગમાં લેવાય છે
• કયા મોડલ્સ ચોક્કસ ગ્રાહકો અથવા પ્રદેશો માટે વાપરી શકાય છે
• વર્કફ્લોને તોડ્યા વિના પ્રતિબંધિત મોડલને કેવી રીતે બદલવું

આ કોઈ કાનૂની ગેરંટી નથી કે તમારી કંપનીનું પાલન કરે છે. અનુપાલન તમારા ડેટા, તમારા ગ્રાહકો અને તમારા સલાહકાર પર આધારિત છે. અમે ઓપરેશનલી જે પુષ્ટિ કરી શકીએ છીએ તે છે મોડલ પાત્રતા, ડેટા-રાઉટિંગ નિયંત્રણો અને ફૉલબેક્સ જે તમારા વર્કફ્લોને ચાલુ રાખે છે જ્યારે કોઈ મોડલ અયોગ્ય બની જાય છે.

મુખ્ય વાત

જો તમે કોઈ ઉત્પાદન અથવા આંતરિક વર્કફ્લોમાં AI વિડિયો બનાવી રહ્યા છો, તો તમે કરી શકો તેવી સૌથી મૂલ્યવાન બાબત એ છે કે તમારા સ્ટેકને ચોક્કસ મોડલ સાથે હાર્ડ-વાયર કરવાનું બંધ કરો. તમારો સ્ટેક વાસ્તવમાં શું કૉલ કરે છે (એગ્રીગેટર્સ દ્વારા પણ) તેની યાદી બનાવો, પૂછો કે ઇનપુટ્સ ક્યાં પ્રોસેસ અને સાચવવામાં આવે છે, અને એવા પ્લેટફોર્મને પસંદ કરો જે તમારે કોડ બદલ્યા વિના મોડલ્સને બદલી શકે.

આ આખો VideoGen નો આધાર છે. મોડલ લેયર પર બનાવો, અને તમારે ક્યારેય વિચારવું નહીં પડે કે આજનું મોડલ અનુપાલન કરનારું છે કે નહીં, કારણ કે તે અમારું કામ છે, તમારું નહીં.

VideoGen સાથે બનાવવાનું શરૂ કરો, અથવા એન્ટરપ્રાઇઝ કે નિયમનકારી ઉપયોગ માટે મોડલ પાત્રતા વિશે અમારી સાથે વાત કરો.