શું તમારા AI વિડિયો મોડલ્સ સુસંગત છે?

સ્ટોરીબોર્ડથી વીડિયો બનાવવા માટે પાત્રની સુસંગતતા (character consistency) મહત્વની છે. તમે એકવાર કલાકારોને વ્યાખ્યાયિત કરો અને દરેક દ્રશ્યમાં તેમને ઓળખી શકાય તેવા રાખો. આ કરવા માટે, અમે દરેક જનરેશનમાં તે કલાકારોની સંદર્ભ છબીઓ (reference images) વીડિયો મોડેલમાં મોકલીએ છીએ.

અમારો ઉચ્ચ-ગુણવત્તાવાળો વીડિયો પાથ Seedance નો ઉપયોગ કરતો હતો, જે ByteDance (TikTok ની પિતૃ કંપની) દ્વારા બનાવવામાં આવ્યો છે. Seedance કોઈપણ અપલોડ કરેલી છબી વાંચતા પહેલા તેના પર ફેસ-ડિટેક્શન પાસ ચલાવે છે, અને તે કોઈપણ ઓળખી શકાય તેવા માનવીય ચહેરાવાળી છબીને સખત રીતે બ્લોક કરે છે. કલાકારો આ સુવિધાનો મુખ્ય ભાગ છે, અને મોડેલે તે ઇનપુટ્સને નકારી કાઢ્યા હતા. આ સમસ્યા બધે જ જોવા મળે છે. સર્જકો સતત આ જ દીવાલ સાથે અથડાય છે, અને થર્ડ-પાર્ટી API પ્રોવાઇડર્સ ચેતવણી આપે છે કે "વાસ્તવિક માનવીય ચહેરાઓવાળી છબીઓ ByteDance ની સામગ્રી નીતિ દ્વારા અવરોધિત કરવામાં આવે છે." પ્રોમ્પ્ટને ફરીથી લખવાથી કોઈ મદદ મળતી નથી. પ્રોમ્પ્ટ ક્યારેય સમસ્યા નથી હોતી. પ્રોમ્પ્ટ વાંચવામાં આવે તે પહેલાં જ છબી એક અલગ સ્કેન સ્ટેજ પર નકારી કાઢવામાં આવે છે.

અમે આ સમસ્યાનો ઉકેલ લાવી શક્યા હોત. તેના બદલે, અમે ઉચ્ચ-ગુણવત્તાવાળા વીડિયો ટિયરને Seedance થી દૂર કરી દીધું. જ્યારે મોડેલની પસંદગી પણ અનુપાલન (compliance) નો મુદ્દો બની ગઈ ત્યારે તે પસંદગી વધુ મહત્વની બની ગઈ.

મોડેલની પસંદગી એ અનુપાલનનો પ્રશ્ન બની રહ્યો છે

યુ.એસ. સરકાર AI સંબંધિત બે સંબંધિત નિયમોના સેટને સખત બનાવી રહી છે.

પ્રથમ પહેલેથી જ કાયદો છે. ન્યાય વિભાગનો ડેટા સિક્યુરિટી પ્રોગ્રામ એવા વ્યવહારોને પ્રતિબંધિત કરે છે જે ચીન અને અન્ય "ચિંતાના દેશો" ને યુ.એસ. ના મોટા પ્રમાણમાં સંવેદનશીલ 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. હોંગકોંગ અને મકાઉ સહિત ચીન, છ નિયુક્ત ચિંતાના દેશોમાંનું એક છે. આવરી લેવાયેલી શ્રેણીઓમાં બાયોમેટ્રિક ઓળખકર્તાઓ, સચોટ ભૌગોલિક સ્થાન, વ્યક્તિગત સ્વાસ્થ્ય ડેટા, વ્યક્તિગત નાણાકીય ડેટા, જીનોમિક ડેટા અને અમુક વ્યક્તિગત ઓળખકર્તાઓનો સમાવેશ થાય છે. આ યુનાઇટેડ સ્ટેટ્સની બહાર કોઈપણ ડેટા મોકલવા પરનો સંપૂર્ણ પ્રતિબંધ નથી. લાગુ પડવું એ ડેટાના પ્રકાર અને વોલ્યુમ, વ્યવહાર, પ્રદાતા અને પ્રદાતાની માલિકી અથવા અધિકારક્ષેત્ર પર આધારિત છે. ફેડરલ રજિસ્ટરનો અંતિમ નિયમ પણ જુઓ.બીજો સેટ નવો છે અને હજુ પણ આગળ વધી રહ્યો છે. ટ્રેઝરી સેક્રેટરી સ્કોટ બેસેન્ટે બૌદ્ધિક સંપત્તિની ચોરી બદલ ચીની AI કંપનીઓ સામે પ્રતિબંધોની ધમકી આપી છે, અને વ્હાઇટ હાઉસે મૂનશોટ AI પર એન્થ્રોપિકના ફેબલ મોડલની નકલ (distilling) કરવાનો આરોપ મૂક્યો છે, અને એન્ટિટી લિસ્ટમાં સામેલ કરવાની વાત પણ ચાલી રહી છે. ટોમ્સ હાર્ડવેર અને MLQ ના રિપોર્ટિંગમાં એક વ્યાપક અભિયાન (ખરીદી પરના પ્રતિબંધો, સુરક્ષા સલાહ અને જવાબદારીના નિયમો)નું વર્ણન છે, જે સત્તાવાર પ્રતિબંધ તો નથી, પરંતુ ચીની મોડેલ પર આધારિત કોઈપણ યુ.એસ. વ્યવસાય માટે વાસ્તવિક મુશ્કેલીઓ ઊભી કરે છે.

માત્ર એક મોડેલ કે એક દેશની વાત નથી

મુદ્દો એ નથી કે સીડન્સ (Seedance) ખાસ કરીને ખરાબ છે. તમે જે પણ મોડેલ પર કંઈક બનાવો છો, તે તેની પોતાની પોલીસી, કાર્યક્ષેત્ર અને ઉપલબ્ધતાના સમયગાળા સાથે આવે છે, જેના પર તમારું કોઈ નિયંત્રણ હોતું નથી. આમાંનું કંઈ પણ નોટિસ આપ્યા વગર બદલાઈ શકે છે.

• ચીની વીડિયો મોડેલ્સ આજે સૌથી વધુ જોખમમાં છે. બાઈટડાન્સનું સીડન્સ (Seedance), કુઆઈશોનું Kling, અને મિનીમેક્સનું હેલુઓ (Hailuo) આ દરેક ખૂબ જ આક્રમક, અસ્પષ્ટ કન્ટેન્ટ ફિલ્ટર્સ અને વધતા નિયમનકારી જોખમને જોડે છે.
• મૂનશોટ AI નું કિમી (Kimi), જેને તેના નિર્માતા દ્વારા વિશ્વનું સૌથી મોટું ઓપન-વેઇટ મોડેલ તરીકે રજૂ કરવામાં આવ્યું છે અને તે એટલું લોકપ્રિય છે કે માઈક્રોસોફ્ટે કોપાયલોટ અને એઝ્યુર માટે તેનું પરીક્ષણ કર્યું હોવાના અહેવાલ છે, તે હવે પ્રતિબંધોની લડાઈના કેન્દ્રમાં છે. જે ટીમોએ તેના પર સ્ટાન્ડર્ડાઈઝેશન કર્યું છે, તેમને એક્ઝિટ પ્લાનની જરૂર પડી શકે છે.
• યુ.એસ. અને યુરોપિયન પ્રોવાઇડર્સ પાસે પણ આશ્ચર્યો છે. ElevenLabs સરકારી સંસ્થાઓને અગાઉની લેખિત મંજૂરી વિના તેમની સેવાનો ઉપયોગ કરતા અટકાવે છે. જો તમે જાહેર ક્ષેત્રમાં વેચાણ કરો છો, તો આ કલમ તમને ભૌગોલિક-રાજકીય નિયમો જેટલી જ અસરકારક રીતે અવરોધિત કરી શકે છે.

સ્વીકાર્ય મોડેલ્સનો સેટ સતત બદલાતો રહે છે, જેના કારણો તમારા પ્રોડક્ટ રોડમેપ સાથે કોઈ સંબંધ ધરાવતા નથી.

આ વિશે VideoGen શું કરે છેVideoGen તમારા વર્કફ્લો અને અંતર્ગત પ્રોવાઈડર્સની વચ્ચે કામ કરે છે. મોડેલ રાઉટર ગુણવત્તા, ઉપલબ્ધતા અને યોગ્યતાના આધારે દરેક જનરેશન માટે કયું મોડેલ ચાલશે તે પસંદ કરે છે.

Seedance પછી, અમે ઉચ્ચ-ગુણવત્તાવાળા વિડિયો જનરેશનને Google ના Omni મોડેલ પર ખસેડ્યું છે, જેમાં અન્ય ચકાસાયેલ, બિન-ચીની પ્રોવાઈડર્સ પર સ્વચાલિત ફોલબેકની સુવિધા છે. જો કોઈ મોડેલ વિનંતીને નકારે, બંધ થઈ જાય અથવા અયોગ્ય બની જાય, તો રાઉટર તે વિનંતી પર તેને બાયપાસ કરે છે. તમારે વર્કફ્લો ફરીથી લખવાની જરૂર નથી. એક્ટર રેફરન્સ વર્તમાન પાથ પર યોગ્ય રીતે જનરેટ થાય છે, અને અમે સ્ટેક ઓપરેટ કરવાના ભાગ રૂપે મોડેલની યોગ્યતાનું સંચાલન કરીએ છીએ.

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

• વિનંતીઓ ક્યાં પ્રોસેસ કરવામાં આવે છે
• કઈ કંપની દરેક મોડેલનું સંચાલન કરે છે
• શું ડેટા જાળવી રાખવામાં આવે છે અથવા તાલીમ માટે ઉપયોગમાં લેવાય છે
• કયા મોડેલ્સ ચોક્કસ ગ્રાહકો અથવા પ્રદેશો માટે વાપરી શકાય છે
• વર્કફ્લોને તોડ્યા વિના પ્રતિબંધિત મોડેલને કેવી રીતે બદલવું

આ તમારી કંપની અનુપાલન (compliant) છે તેની કાયદાકીય ગેરંટી નથી. અનુપાલન તમારા ડેટા, તમારા ગ્રાહકો અને તમારા કાઉન્સેલ પર નિર્ભર કરે છે. અમે ઓપરેશનલ રીતે મોડેલની યોગ્યતા, ડેટા-રાઉટિંગ કંટ્રોલ અને ફોલબેક્સને પ્રમાણિત કરી શકીએ છીએ જે મોડેલ અયોગ્ય બની જાય ત્યારે તમારા વર્કફ્લોને ચાલુ રાખે છે.

મુખ્ય વાત

જો તમે કોઈ પ્રોડક્ટ કે આંતરિક વર્કફ્લોમાં AI વિડિયો બનાવી રહ્યા હોવ, તો તમારા સ્ટેકને કોઈ ચોક્કસ મોડેલ સાથે હાર્ડ-વાયર કરવાનું ટાળો. તમારું સ્ટેક વાસ્તવમાં શું કોલ કરે છે (એગ્રિગેટર્સ દ્વારા પણ) તેની યાદી બનાવો. ઇનપુટ્સ ક્યાં પ્રોસેસ થાય છે અને ક્યાં જાળવવામાં આવે છે તે પૂછો. એવા પ્લેટફોર્મને પ્રાધાન્ય આપો જે કોડ બદલ્યા વિના મોડેલ્સને બદલી શકે.

VideoGen આ રીતે જ બનાવવામાં આવ્યું છે. યોગ્યતા અને રાઉટિંગ એ એક ઓપરેશનલ બાબત રહે છે, જેથી તમારી પ્રોડક્ટને દરેક પ્રોવાઈડર પોલિસીમાં થતા ફેરફારોને આત્મસાત ન કરવા પડે.

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