TBC ने Mischief लॉन्च किया, जो Wan 2.2 पर आधारित न्यूरॉन-व्युत्पन्न AI वीडियो मॉडल है

AI से छोटा वीडियो बनाने में उपयोगी क्लिप मिलने से पहले बार-बार कोशिश करते हुए इंतज़ार करना पड़ सकता है। Biological Computing Co. (TBC) इस प्रक्रिया को छोटा करने के लिए प्रेरणा का एक असामान्य स्रोत इस्तेमाल करने की कोशिश कर रही है: जीवित न्यूरॉन्स से लिए गए माप।

कंपनी 30 अक्टूबर को fal.ai के ज़रिए TBC Mischief लॉन्च कर रही है। यह Wan 2.2 पर आधारित ऐसा मॉडल है जो तस्वीरों से वीडियो बनाता है। TBC का कहना है कि उसका संस्करण मूल मॉडल की तुलना में पाँच गुना तेज़ी से वीडियो बनाता है, इसकी लागत 80% कम है और आउटपुट की गुणवत्ता भी बेहतर है। ये तुलना कंपनी की ओर से बताई गई हैं; घोषणा में कोई स्वतंत्र बेंचमार्क या इतने परीक्षण-विवरण नहीं दिए गए हैं जिनसे यह तय किया जा सके कि अलग-अलग कार्यभार में ये लाभ किस हद तक लागू होंगे।

मुख्य अंतर यह है कि इस प्रणाली में जीव-विज्ञान की भूमिका क्या है। Mischief पारंपरिक AI हार्डवेयर पर सॉफ़्टवेयर के रूप में चलता है। ग्राहक जीवित कोशिकाओं को प्रॉम्प्ट नहीं भेजते और न ही जैविक प्रोसेसर लगाते हैं। TBC अपनी शोध प्रक्रिया में न्यूरॉन्स की गतिविधि का इस्तेमाल करती है और फिर उससे मिली सीख को ऐसे सॉफ़्टवेयर में बदलती है जो मौजूदा मॉडल में बदलाव करता है।

TBC Mischief क्या पेश करता है

लॉन्च की घोषणा के अनुसार, Mischief fal.ai के तस्वीर-से-वीडियो एंडपॉइंट के ज़रिए उपलब्ध होगा और 2 नवंबर तक इसका इस्तेमाल मुफ़्त होगा। घोषित कीमत पर बनाए गए वीडियो के हर सेकंड की लागत $0.02 है। इस दर से, पाँच सेकंड की 100 क्लिप बनाने में $10 खर्च होंगे—इसमें कार्यप्रवाह के अन्य खर्च शामिल नहीं हैं।

TBC का यह भी कहना है कि Wonder Studios ने एक उत्पादन कार्यप्रवाह में इस मॉडल का परीक्षण किया, जिसमें लगभग छह मिनट में पाँच सेकंड की 100 क्लिप बनाई गईं। यह एक बैच के लिए बताई गई उपलब्धि है, न कि वह विलंबता जिसका हर एक उपयोगकर्ता को हर बार अनुभव होने की उम्मीद करनी चाहिए। एक साथ चलने वाले अनुरोधों की संख्या, रिज़ॉल्यूशन, सैंपलिंग सेटिंग और सर्विंग हार्डवेयर—ये सभी बैच की कुल गति और एक अनुरोध पूरा होने में लगने वाले समय के बीच के संबंध को बदल सकते हैं।

रचनात्मक टीमों के लिए व्यावहारिक सवाल यह है कि क्या तेज़ मॉडल हर डॉलर के बदले ज़्यादा उपयोगी फ़ुटेज तैयार करता है। वीडियो बनाने की कम कीमत का महत्व तब घट जाता है, जब किसी शॉट के लिए कई बार कोशिश करनी पड़े, दृश्य का क्रम बिगड़ जाए या मॉडल इनपुट तस्वीर के अनुरूप न चले। इसलिए Mischief का मूल्यांकन करने के लिए समान सेटिंग में उसकी गति और सफल आउटपुट—दोनों की तुलना करना ज़रूरी है।

न्यूरॉन्स की रिकॉर्डिंग से सॉफ़्टवेयर की परत तक

TBC की वेबसाइट पर कंपनी एक प्रक्रिया का वर्णन करती है: संगणनात्मक चुनौतियों को विद्युत संकेतों में बदलना, संवर्धित न्यूरॉन नेटवर्क की प्रतिक्रियाएँ मापना और उन सिद्धांतों को निकालना जिन्हें सॉफ़्टवेयर में लागू किया जा सके। कंपनी का व्यावसायिक तरीका डिफ्यूज़न ट्रांसफ़ॉर्मर ब्लॉक्स के ऊपर पोस्ट-ट्रेनिंग परत जोड़ने का है। उसका कहना है कि इससे मूल मॉडल के पैरामीटरों की संख्या में 0.1% से भी कम की वृद्धि होती है।

यह मामूली बढ़ोतरी उत्पाद की मूल अवधारणा के लिए अहम है: किसी मौजूदा मॉडल को पूरी तरह नया फ़ाउंडेशन मॉडल बनाए बिना, उसमें लक्षित बदलाव किया जा सकता है। जैविक घटक खोज और विकास की प्रक्रिया तक सीमित है; इससे तैयार होने वाली अनुमान प्रणाली डिजिटल ही रहती है।

कंपनी की Neural Dynamics Adapter पर तकनीकी पोस्ट उसके पहले के शोध का अधिक ठोस उदाहरण देती है। इस काम में TBC ने 4,096 इलेक्ट्रोड वाले उच्च-घनत्व ऐरे से संवर्धित न्यूरॉन्स की गतिविधि रिकॉर्ड की, उन रिकॉर्डिंग को संख्यात्मक रूपों में बदला और डिफ्यूज़न मॉडल में एक हल्का अडैप्टर जोड़ा। इस अध्ययन में Oasis—एक इंटरैक्टिव Minecraft वीडियो मॉडल—का इस्तेमाल हुआ था, न कि Mischief के आधार में मौजूद Wan 2.2 मॉडल का।

यह अंतर अहम है। एक इंटरैक्टिव परिवेश में मिला शोध-परिणाम किसी तरीके को समझाने में मदद कर सकता है, लेकिन इससे अलग व्यावसायिक उत्पाद के प्रदर्शन का प्रमाण नहीं मिलता। अडैप्टर पर पोस्ट में इसकी सीमाएँ भी बताई गई हैं, जिनमें परीक्षण का सीमित परिवेश और डीनॉइज़िंग सेटिंग के अनुसार बदलते परिणाम शामिल हैं। यह तरीका इंजीनियरिंग की एक तर्कसंगत दिशा को समर्थन देता है, लेकिन व्यापक परिस्थितियों में इसकी उपयोगिता अभी साबित होनी बाकी है।

जैविक शोध और पारंपरिक अनुकूलन साथ काम कर सकते हैं

TBC की एक अलग पोस्ट, अंतरिक्ष और समय का बोध, यह पड़ताल करती है कि जीव-विज्ञान से मिले अवलोकनों को वीडियो निर्माण में एक और तरीके से कैसे शामिल किया जा सकता है। इसका शोध-वास्तुक्रम स्थानीय स्थानिक प्रसंस्करण को छोटी कालिक स्मृति के साथ जोड़ता है और न्यूरॉन मापों का उपयोग यह तय करने में करता है कि फ़्रेमों के बीच जानकारी कैसे बनाए रखी जाए।

पोस्ट में यह भी स्पष्ट किया गया है कि तैनात प्रणाली की गति में हुए सुधारों के पीछे मॉडल में बदलाव और सर्विंग का अनुकूलन—दोनों शामिल थे। इनमें पहले से संसाधित संदर्भ को कैश करना, सैंपलिंग का काम घटाना और कई सत्रों को कुशलता से सर्व करना शामिल था। इसके निष्कर्ष Oasis पर आधारित इंटरैक्टिव वीडियो प्रणाली से जुड़े हैं, Mischief के सीधे बेंचमार्क से नहीं।

इससे लॉन्च को समझने के लिए उपयोगी संदर्भ मिलता है: जैविक शोध किसी मॉडल के वास्तुक्रम को दिशा दे सकता है, जबकि परिचित सॉफ़्टवेयर तकनीकें अंतिम प्रणाली की दक्षता बढ़ाने में योगदान देती रहती हैं। इन योगदानों को अलग-अलग समझने से डेवलपर जान सकेंगे कि कौन-से लाभ मॉडल से आते हैं, कौन-से अनुमान प्रणाली से और कौन-से किसी खास तैनाती पर निर्भर हैं।

मौजूदा AI अवसंरचना तक पहुँचने का रास्ता

Mischief, TBC की सितंबर में Amazon Web Services के साथ सहयोग की घोषणा के बाद आया है। उस घोषणा में AWS Trainium, Amazon SageMaker AI और न्यूरॉन-व्युत्पन्न सॉफ़्टवेयर को AWS Marketplace के ज़रिए व्यावसायिक रूप से वितरित करने की योजना से जुड़े काम का उल्लेख था। पहले का सहयोग टेक्स्ट से वीडियो बनाने पर केंद्रित था; Mischief का लॉन्च fal.ai के ज़रिए तस्वीरों से वीडियो बनाने की सुविधा पर केंद्रित है।

आम रणनीति यह है कि शोध को ऐसे बुनियादी ढाँचे में लाया जाए जिसका डेवलपर पहले से इस्तेमाल करते हैं। एपीआई के ज़रिए उपलब्ध मॉडल का मूल्यांकन मौजूदा रचनात्मक कार्यप्रवाह में करना, ऐसे सिस्टम का मूल्यांकन करने से आसान है जिसके लिए भौतिक हार्डवेयर की एक नई श्रेणी की ज़रूरत हो। इससे उपयोगकर्ताओं को अपनी छवियों, प्रॉम्प्ट और स्वीकृति मानदंडों के आधार पर कंपनी के दावों को परखने का व्यावहारिक अवसर भी मिलता है।

सीईओ और सह-संस्थापक Alex Ksendzovsky तथा सीओओ और सह-संस्थापक Jon Pomeraniec के नेतृत्व वाली TBC का कहना है कि वह नए वीडियो मॉडल, भाषा मॉडल और भौतिक एआई की भी पड़ताल कर रही है। ये विकास की संभावित दिशाएँ हैं, इस रिलीज़ में स्थापित क्षमताएँ नहीं।

इस लॉन्च को सार्थक क्या बनाएगा

आगे सबसे उपयोगी साक्ष्य Wan 2.2 के साथ ऐसा तुलनीय परीक्षण होगा जिसे दोहराया जा सके: हार्डवेयर और रिज़ॉल्यूशन समान हों, सैंपलिंग सेटिंग्स का खुलासा किया जाए, लेटेंसी और थ्रूपुट को अलग-अलग मापा जाए, और विविध इनपुट के व्यापक समूह पर गुणवत्ता का आकलन किया जाए। अनुमान लागत को कम करने के दावों को संगणकीय दक्षता से जोड़ने के लिए ऊर्जा की माप भी आवश्यक होगी।

Mischief का लॉन्च TBC के दृष्टिकोण को शोध-विवरणों से आगे बढ़ाकर ऐसे टूल तक ले जाता है जिसे डेवलपर वास्तव में आज़मा सकते हैं। इसका दीर्घकालीन महत्त्व इस बात पर निर्भर करेगा कि इसके लाभ चुनिंदा प्रदर्शनों से बाहर और अलग-अलग मॉडल पर भी कायम रहते हैं या नहीं। फिलहाल, इसका ठोस प्रस्ताव जैविक प्रयोगों से मिली जानकारी के आधार पर किया गया एक छोटा-सा सॉफ़्टवेयर संशोधन है, जिसका लक्ष्य मौजूदा वीडियो मॉडल का इस्तेमाल अधिक किफ़ायती बनाना है।