การเพิ่มขึ้นของฮุนยวน วิดีโอ Deepfakes

เนื่องจากลักษณะของเนื้อหาบางส่วนที่อภิปรายที่นี่ บทความนี้จะมีลิงก์อ้างอิงและภาพประกอบน้อยกว่าปกติ

มีบางสิ่งที่น่าสังเกตเกิดขึ้นในขณะนี้ในชุมชนสังเคราะห์ AI วิดีโอ แม้ว่าความสำคัญอาจใช้เวลาสักครู่ในการชัดเจน นักพัฒนาสังเคราะห์ AI วิดีโอมอดเดลเพื่อสร้างภาพเหมือนของคนโดยใช้ LoRAs ที่อาศัยวิดีโอบนเฟรมเวิร์ก Hunyuan Video ที่เปิดเผยต่อสาธารณะของ Tencent*

คลิกเพื่อเล่นผลลัพธ์ที่หลากหลายจากฮุนยวน-เบส LoRA คัสตอมมอยด์ฟรีely มีให้ที่ชุมชน Civit โดยการฝึกอบรมโมเดลการปรับตัวด้วยอันดับต่ำ (LoRAs) ปัญหาเรื่องความเสถียรทางเวลา ซึ่งได้กลายเป็นปัญหาใหญ่สำหรับการสร้างวิดีโอด้วย AI มาเป็นเวลาสองปี ลดลงอย่างมาก Sources: civit.ai

ในวิดีโอด้านบน ภาพเหมือนของนักแสดงหญิง Natalie Portman, Christina Hendricks และ Scarlett Johansson รวมทั้งผู้นำด้านเทคโนโลยี Elon Musk ได้รับการฝึกอบรมให้เป็นไฟล์เสริมขนาดเล็กสำหรับระบบวิดีโอ Hunyuan ซึ่งสามารถติดตั้งได้ โดยไม่มีการกรองเนื้อหา (เช่น ตัวกรอง NSFW) บนคอมพิวเตอร์ของผู้ใช้

ผู้สร้าง LoRA ของ Christina Hendricks ที่แสดงด้านบนระบุว่าเพียง 16 ภาพจากซีรีส์ Mad Men เท่านั้นที่จำเป็นต่อการสร้างโมเดล (ซึ่งเป็นการดาวน์โหลดขนาด 307mb); โพสต์หลายรายการจากชุมชน Stable Diffusion ที่ Reddit และ Discord ยืนยันว่า LoRAs ประเภทนี้ไม่ต้องการข้อมูลฝึกอบรมจำนวนมากหรือเวลาฝึกอบรมมากในกรณีส่วนใหญ่

Cลิกเพื่อเล่นอาร์โนลด์ ชวาร์เซเน็กเกอร์ ถูกนำมาใช้ใน Hunyuan วิดีโอ LoRA ที่สามารถดาวน์โหลดได้ที่ Civit ดู https://www.youtube.com/watch?v=1D7B9g9rY68 สำหรับตัวอย่างเพิ่มเติมจาก Bob Doyle นักบันเทิง AI

Hunyuan LoRAs สามารถฝึกอบรมได้ทั้งจากภาพนิ่งหรือวิดีโอ แม้ว่าการฝึกอบรมจากวิดีโอจะต้องใช้ทรัพยากรฮาร์ดแวร์ที่มากขึ้นและเวลาฝึกอบรมที่เพิ่มขึ้น

โมเดลวิดีโอ Hunyuan มีพารามิเตอร์ 13 พันล้านพารามิเตอร์ ซึ่งมากกว่า Sora ที่มีพารามิเตอร์ 12 พันล้านพารามิเตอร์ และมากกว่าโมเดล Hunyuan-DiT ที่มีพารามิเตอร์ 1.5 พันล้านพารามิเตอร์ ซึ่งได้รับการเผยแพร่แบบเปิดเผยในฤดูร้อนปี 2024

เช่นเดียวกับที่เกิดขึ้น สองปีครึ่งที่แล้ว กับ Stable Diffusion และ LoRA (ดูตัวอย่างของ Stable Diffusion 1.5 ‘ที่มีคนดัง’ ที่นี่) โมเดลฐานที่มีความเข้าใจในบุคลิกภาพของคนดังที่จำกัดกว่าเมื่อเทียบกับระดับความถูกต้องที่สามารถทำได้โดย ‘ID-Injected’ LoRA

โดยทั่วไป โมเดล LoRA ที่ปรับให้เหมาะสมและเน้นไปที่บุคลิกภาพจะได้รับการ ‘การขี่ฟรี’ จากความสามารถในการสังเคราะห์ที่สำคัญของโมเดล Hunyuan เบื้องต้น โดยให้การสร้างภาพเหมือนที่มีประสิทธิภาพมากกว่าที่สามารถทำได้โดย อัตลักษณ์ Deepfakes ในปี 2017 หรือโดยการเพิ่มการเคลื่อนไหวให้กับภาพนิ่งผ่านระบบ เช่น LivePortrait

ทั้ง LoRAs ที่แสดงด้านบนสามารถดาวน์โหลดได้ฟรีจากชุมชน Civit ที่มีชื่อเสียง ในขณะที่ LoRAs ‘ภาพนิ่ง’ ที่มีอยู่แล้วจำนวนมากสามารถสร้าง ‘ภาพเหมือน’ สำหรับกระบวนการสร้างวิดีโอ (เช่น ภาพถึงวิดีโอ ซึ่งเป็นการเผยแพร่ที่รออยู่สำหรับ Hunyuan Video แม้ว่าจะมีการทำงานรอบๆ ที่เป็นไปได้ ในขณะนี้)

คลิกเพื่อเล่นตัวอย่างจาก Flux LoRA ‘นิ่ง’; ด้านล่าง ตัวอย่างจาก Hunyuan วิดีโอ LoRA ที่มีนักดนตรี Taylor Swift ทั้ง LoRAs เหล่านี้สามารถดาวน์โหลดได้ฟรีจากชุมชน Civit

เมื่อเขียนบทความนี้ เว็บไซต์ Civit มีผลลัพธ์การค้นหา 128 รายการสำหรับ ‘Hunyuan’ ซึ่งส่วนใหญ่เป็นโมเดล NSFW; 22 แสดงถึงคนดัง; 18 ได้รับการออกแบบเพื่ออำนวยความสะดวกในการสร้างวิดีโอโป๊; และเพียง 7 รายการเท่านั้นที่แสดงถึงชายมากกว่าหญิง

มีอะไรใหม่?

เนื่องจากธรรมชาติที่ พัฒนา ของคำว่า Deepfake และความเข้าใจของสาธารณชนที่จำกัดเกี่ยวกับ ข้อจำกัด ของเฟรมเวิร์กการสร้างวิดีโอด้วย AI ที่มีอยู่จนถึงตอนนี้ ความสำคัญของ Hunyuan LoRA ไม่ใช่เรื่องที่เข้าใจได้ง่ายสำหรับผู้ที่ติดตาม AI สังเคราะห์แบบสบายๆ มาทำความรู้จักกับบางส่วนของความแตกต่างหลักๆ ระหว่าง Hunyuan LoRAs และแนวทางก่อนหน้านี้ในการสร้างวิดีโอด้วย AI ที่อาศัยตัวตน

1: การติดตั้งแบบไม่มีข้อจำกัด

ประเด็นสำคัญที่สุดของ Hunyuan Video คือความจริงที่ว่ามันสามารถดาวน์โหลดได้แบบท้องถิ่น และให้ระบบการสร้างวิดีโอด้วย AI ที่ทรงพลังและ ไม่มีการเซ็นเซอร์ ในมือของผู้ใช้ทั่วไป เช่นเดียวกับชุมชน VFX (ในระดับที่อนุญาตตามใบอนุญาตในภูมิภาคต่างๆ)

ครั้งสุดท้ายที่เกิดเหตุการณ์นี้คือการเผยแพร่ Stability.ai Stable Diffusion โมเดล ในฤดูร้อนปี 2022 ในช่วงเวลานั้น OpenAI’s DALL-E2 ได้ จับใจความสนใจของสาธารณชน แม้ว่า DALLE-2 จะเป็นบริการที่เสียค่าใช้จ่ายและมีข้อจำกัดที่สำคัญ (ซึ่งเพิ่มขึ้นตามเวลา)

เมื่อ Stable Diffusion มีจำหน่าย และ Low-Rank Adaptation ทำให้สามารถสร้างภาพของตัวตนของ บุคคลใดๆ (คนดังหรือไม่) ได้ จุดสนใจที่มีขนาดใหญ่ของผู้พัฒนาและผู้บริโภคช่วยให้ Stable Diffusion มีประสิทธิภาพเหนือ DALLE-2; แม้ว่า DALLE-2 จะเป็นระบบที่มีความสามารถมากกว่า แต่ข้อจำกัดในการเซ็นเซอร์ของ DALLE-2 ถูกมองว่าเป็น การเซ็นเซอร์ที่หนัก โดยผู้ใช้หลายคน และการปรับแต่งไม่สามารถทำได้

อาจกล่าวได้ว่าสถานการณ์เดียวกันนี้ใช้ได้กับ Sora และ Hunyuan – หรือมากกว่านั้น ระหว่าง Sora-grade ระบบการสร้างวิดีโอด้วย AI ที่เป็นกรรมสิทธิ์และคู่แข่งที่เปิดเผยต่อสาธารณะ ซึ่ง Hunyuan เป็นระบบแรก – แต่ไม่ใช่ระบบสุดท้าย (ที่นี่ ให้พิจารณาว่า Flux จะได้รับการยอมรับอย่างมากใน Stable Diffusion)

ผู้ใช้ที่ต้องการสร้าง Hunyuan LoRA แต่ไม่มีอุปกรณ์ที่มีประสิทธิภาพเพียงพอ สามารถโหลด GPU ส่วนของการฝึกอบรมไปยังบริการคอมพิวเตอร์ออนไลน์ เช่น RunPod สิ่งนี้ไม่เหมือนกับการสร้างวิดีโอด้วย AI ที่แพลตฟอร์ม เช่น Kaiber หรือ Kling เนื่องจากไม่มีการกรองแบบเซมันติกหรือภาพ

2: ไม่ต้องการวิดีโอ ‘โฮสต์’ และความพยายามสูง

เมื่อ Deepfakes ปรากฏตัวขึ้นในปลายปี 2017 รหัสที่โพสต์แบบไม่มีชื่อจะพัฒนาเป็น DeepFaceLab และ FaceSwap (เช่นเดียวกับ DeepFaceLive ระบบสตรีมมิ่ง Deepfake แบบเรียลไทม์)

วิธีนี้ต้องการการดูแลอย่างรอบคอบของภาพหน้าหลายพันภาพของแต่ละตัวตนเพื่อแลกเปลี่ยน; ความพยายามที่น้อยกว่าที่ใช้ในการขั้นตอนนี้จะทำให้โมเดลมีประสิทธิภาพน้อยลง การฝึกอบรมใช้เวลาแตกต่างกันระหว่าง 2-14 วัน ขึ้นอยู่กับฮาร์ดแวร์ที่มีอยู่ โดยทำให้แม้แต่ระบบที่มีประสิทธิภาพสูงต้องทำงานหนักในระยะยาว

เมื่อโมเดลพร้อมแล้ว มันสามารถวางหน้าเข้าไปในวิดีโอที่มีอยู่ได้ แต่โดยทั่วไปต้องการ ‘เป้าหมาย’ (เช่น ตัวตนจริง) ที่ใกล้เคียงกับตัวตนที่ซ้อนทับ

เมื่อเร็วๆ นี้ ROOP, LivePortrait และเฟรมเวิร์กอื่นๆ ที่คล้ายกันให้ฟังก์ชันการทำงานที่คล้ายกันโดยใช้ความพยายามน้อยลง และมักจะได้ผลลัพธ์ที่ดีกว่า – แต่ไม่มีความสามารถในการสร้าง Deepfakes ที่มีร่างกายเต็ม – หรือองค์ประกอบอื่นๆ นอกเหนือจากหน้า

ตัวอย่างของ ROOP Unleashed และ LivePortrait (ในมุมซ้ายล่าง) จากสตรีมเนื้อหาของ Bob Doyle ที่ YouTube Sources: https://www.youtube.com/watch?v=i39xeYPBAAM และ https://www.youtube.com/watch?v=QGatEItg2Ns

Hunyuan LoRAs (และระบบที่คล้ายกันที่จะตามมา) ช่วยให้สามารถสร้างโลกทั้งหมดได้ รวมถึงการจำลองร่างกายเต็มของ LoRA ที่ผู้ใช้ฝึกอบรม

3: ความสอดคล้องทางเวลาแบบ Massively ปรับปรุง

ความสอดคล้องทางเวลาเป็น เป้าหมายสูงสุด ของวิดีโอการกระจายตัวมาเป็นเวลาสองสามปีแล้ว การใช้ LoRA ร่วมกับคำสั่งให้เหมาะสมทำให้การสร้างวิดีโอ Hunyuan มีการอ้างอิงตัวตนอย่างต่อเนื่อง ในทฤษฎี (เหลือเวลาอีกไม่นาน) คุณสามารถฝึกอบรม LoRAs หลายตัวของตัวตนเดียวกัน แต่ละตัวสวมเสื้อผ้าเฉพาะ

ภายใต้ข้อกำหนดเหล่านี้ เสื้อผ้ายังน้อยกว่าที่จะ ‘กลายพันธุ์’ ในระหว่างการสร้างวิดีโอ (เนื่องจากระบบสร้างวิดีโอมีพื้นฐานมาจากหน้าต่างของเฟรมก่อนหน้า)

(หรือเช่นเดียวกับระบบ LoRA ที่อาศัยภาพ คุณสามารถใช้ LoRAs หลายตัว เช่น ตัวตน + LoRAs เสื้อผ้า สำหรับการสร้างวิดีโอเดียว)

4: การเข้าถึง ‘การทดลองมนุษย์’

เมื่อเร็วๆ นี้ ฉันสังเกตเห็น ว่าภาคส่วน AI ที่เป็นกรรมสิทธิ์และ FAANG ระดับบน似乎จะกลัวว่าจะถูกวิพากษ์วิจารณ์เกี่ยวกับความสามารถในการสังเคราะห์มนุษย์ของโครงการของตน จนกระทั่งบุคคล จริงๆ หายไปจากหน้าโครงการสำหรับการประกาศและเผยแพร่ครั้งสำคัญๆ แทนที่จะแสดง ‘น่ารัก’ และ ‘ไม่มีอันตราย’ ในผลลัพธ์ที่สังเคราะห์ขึ้น

ด้วยการมาถึงของ Hunyuan LoRAs ชุมชนมีโอกาสที่จะผลักดันขอบเขตของการสร้างวิดีโอด้วย AI ที่อาศัย LDM ในระบบที่มีความสามารถสูง (ไม่ใช่ระดับขอบ) และสำรวจหัวข้อที่น่าสนใจที่สุดสำหรับเรา – คน

ผลกระทบ

เนื่องจากการค้นหา ‘Hunyuan’ ในชุมชน Civit ส่วนใหญ่แสดงถึง LoRAs ของคนดังและ ‘ฮาร์ดคอร์’ ผลกระทบหลักของการมาถึงของ Hunyuan LoRAs คือพวกเขาจะถูกใช้ในการสร้างวิดีโอ AI โป๊หรือหมิ่นประมาทของบุคคลจริง – ทั้งคนดังและคนธรรมดา

สำหรับวัตถุประสงค์ในการปฏิบัติตามกฎระเบียบ ผู้ที่สร้าง Hunyuan LoRAs และทดลองกับพวกมันบนเซิร์ฟเวอร์ Discord ต่างๆ มีการระมัดระวังในการห้ามตัวอย่างของบุคคลจริงจากการโพสต์ ความเป็นจริงคือว่าแม้แต่ ภาพ Deepfakes ก็ถูก ใช้อาวุธอย่างรุนแรง แล้ว; และโอกาสที่จะเพิ่มวิดีโอที่สมจริงมากขึ้นเข้าไปในกลุ่มนี้อาจทำให้ความกลัวที่เกิดขึ้นในวงการสื่อมาเจ็ดปีได้รับการพิสูจน์แล้ว และทำให้เกิด กฎระเบียบใหม่

แรงผลักดัน

เช่นเดิม โป๊ยังคงเป็น แรงผลักดันหลัก ของเทคโนโลยี ไม่ว่าเราจะมีความคิดเห็นอย่างไรเกี่ยวกับการใช้งานนี้ ก็ขับเคลื่อนความก้าวหน้าในระดับแนวหน้าที่สามารถใช้ประโยชน์ได้ในที่สุดสำหรับการนำไปใช้ในวงการหลัก

ในกรณีนี้ ราคาอาจสูงกว่าปกติ เนื่องจากการเผยแพร่แบบเปิดของการสร้างวิดีโอที่สมจริงมากมีผลกระทบอย่างชัดเจนต่อการใช้เพื่อการละเมิดทางอาญา การเมือง และจริยธรรม

กลุ่ม Reddit หนึ่ง (ซึ่งฉันจะไม่กล่าวถึงที่นี่) ที่อุทิศให้กับการสร้างวิดีโอ AI ที่ไม่เหมาะสมมีเซิร์ฟเวอร์ Discord ที่เปิดกว้างซึ่งผู้ใช้กำลังปรับแต่ง ComfyUI สำหรับการสร้างวิดีโอโป๊ Hunyuan

ชุมชนนี้ยังมี GitHub ที่มีการพัฒนาอย่างดีและมีเครื่องมือที่สามารถดาวน์โหลดและประมวลผลวิดีโอโป๊เพื่อให้ข้อมูลฝึกอบรมสำหรับโมเดลใหม่ๆ

เนื่องจากผู้ฝึกอบรม LoRA ที่ได้รับความนิยมมากที่สุด Kohya-ss ตอนนี้รองรับการฝึกอบรม Hunyuan LoRA อุปสรรคในการเข้าถึงการฝึกอบรมวิดีโอที่ไม่มีข้อจำกัดกำลังลดลงทุกวัน พร้อมกับความต้องการฮาร์ดแวร์ สำหรับการฝึกอบรมและสร้างวิดีโอ Hunyuan

ประเด็นสำคัญของแผนการฝึกอบรมที่อุทิศให้กับ AI โป๊ (มากกว่าโมเดล ‘ตัวตน’ เช่น คนดัง) คือโมเดลฐาน เช่น Hunyuan ไม่ได้รับการฝึกอบรมโดยเฉพาะสำหรับผลลัพธ์ NSFW และอาจทำงานได้ไม่ดีหรือไม่สามารถ แยกแนวคิดและความสัมพันธ์ที่เรียนรู้ ในลักษณะที่น่าเชื่อถือ

ด้วยการปรับโมเดลฐาน NSFW และ LoRAs จะเป็นไปได้มากขึ้นที่จะฉายภาพตัวตนที่ฝึกอบรมเข้าสู่โดเมนวิดีโอ ‘โป๊’ ที่เฉพาะเจาะจง; หลังจากทั้งหมดแล้ว นี่คือรุ่นวิดีโอของสิ่งที่ เกิดขึ้นกับภาพนิ่ง ในช่วงสองปีครึ่งที่ผ่านมา

VFX

การเพิ่มขึ้นอย่างมากในความสอดคล้องทางเวลาที่ Hunyuan Video LoRAs เสนอเป็นข้อได้เปรียบที่ชัดเจนสำหรับอุตสาหกรรม AI VFX ซึ่งพึ่งพาซอฟต์แวร์ที่เปิดเผยต่อสาธารณะอย่างมาก

แม้ว่าแนวทาง Hunyuan Video LoRA จะสร้างเฟรมทั้งหมดและสภาพแวดล้อม แต่บริษัท VFX ได้เริ่มทดลองกับการแยกหน้าที่สอดคล้องทางเวลาที่สามารถทำได้ด้วยวิธีนี้ เพื่อวางหรือรวมหน้าเข้ากับวิดีโอที่มีอยู่

เช่นเดียวกับชุมชนผู้ทดลอง VFX บริษัทต่างๆ ต้องรอการเผยแพร่ฟังก์ชันภาพถึงวิดีโอและวิดีโอที่จะมาถึงของ Hunyuan Video ซึ่งอาจเป็นสะพานที่มีประโยชน์ที่สุดระหว่างเนื้อหาที่สร้างด้วย LoRA และเนื้อหาที่สร้างด้วยวิดีโอ; หรืออาจจะค้นหาความสามารถสูงสุดของเฟรมเวิร์กและของการปรับเปลี่ยนในบ้าน

แม้ว่า เงื่อนไขใบอนุญาต ของ Hunyuan Video อนุญาตให้ใช้ในการแสดงบุคคลจริงได้ตราบเท่าที่ได้รับอนุญาต แต่ก็ห้ามการใช้งานใน EU สหราชอาณาจักร และในเกาหลีใต้ ตามหลักการ ‘อยู่ในลาสเวกัส’ สิ่งนี้ไม่จำเป็นต้องหมายความว่า Hunyuan Video จะไม่ได้รับการใช้ในภูมิภาคเหล่านี้; อย่างไรก็ตาม โอกาสที่จะเกิดการตรวจสอบข้อมูลภายนอกเพื่อใช้ กฎระเบียบที่เพิ่มขึ้นเกี่ยวกับ AI ที่สร้าง อาจทำให้การใช้งานที่ผิดกฎหมายมีความเสี่ยง

พื้นที่ที่ไม่ชัดเจนอีกประการหนึ่งของเงื่อนไขใบอนุญาตระบุว่า:

‘หาก ณ วันที่เผยแพร่ Hunyuan ของ Tencent ผู้ใช้งานรายเดือนของผลิตภัณฑ์หรือบริการทั้งหมดที่มีให้โดยหรือสำหรับ Licensee มีมากกว่า 100 ล้านผู้ใช้งานรายเดือนในเดือนก่อนหน้า คุณจะต้องขอใบอนุญาตจาก Tencent ซึ่ง Tencent อาจมอบให้กับคุณตามดุลยพินิจของตน และคุณไม่ได้รับอนุญาตให้ใช้สิทธิ์ใดๆ ภายใต้ข้อตกลงนี้จนกว่า Tencent จะให้ความยินยอมดังกล่าว’

ข้อกำหนดฉบับนี้มุ่งเป้าไปที่บริษัทต่างๆ ที่อาจ ‘คนกลาง’ Hunyuan Video สำหรับผู้ใช้ที่ไม่ค่อยรู้เรื่องเทคโนโลยี และจะต้องให้ Tencent เข้าร่วมในธุรกิจเมื่อผู้ใช้ถึงจำนวนหนึ่ง

ไม่ว่าข้อความที่กว้างจะครอบคลุมการใช้งาน ‘ทางอ้อม’ (เช่น ผ่านการให้บริการเอฟเฟกต์ภาพวิดีโอที่มี Hunyuan เปิดใช้งานในภาพยนตร์และซีรีส์ที่ได้รับความนิยม) หรือไม่นั้น อาจต้องมีการชี้แจง

สรุป

เนื่องจากวิดีโอ Deepfake มีอยู่มานานแล้ว จึงง่ายที่จะประเมินความสำคัญของ Hunyuan Video LoRA ในการสร้างวิดีโอด้วย AI ที่อาศัยตัวตนและ Deepfakes ต่ำ และถือว่าการพัฒนาที่เกิดขึ้นในปัจจุบันในชุมชน Civit และใน Discord และ subreddit ที่เกี่ยวข้องเป็นเพียงการกระตุ้นเล็กๆ น้อยๆ ต่อการสร้างวิดีโอด้วย AI ที่ควบคุมได้จริงๆ

มีแนวโน้มว่าความพยายามในปัจจุบันจะแสดงถึงเพียงเศษเสี้ยวของศักยภาพของ Hunyuan Video ในการสร้าง Deepfakes ที่มีร่างกายเต็มและที่มีสภาพแวดล้อมที่น่าเชื่อถือ; เมื่อองค์ประกอบภาพถึงวิดีโอได้รับการเผยแพร่ (ซึ่งถูกกล่าวถึงว่าจะเกิดขึ้นในเดือนนี้) ระดับการสร้างที่ละเอียดมากขึ้นจะพร้อมให้กับชุมชนผู้ทดลองและวิชาชีพ

เมื่อ Stability.ai เผยแพร่ Stable Diffusion ในปี 2022 ผู้สังเกตหลายคนไม่สามารถเข้าใจได้ว่าทำไมบริษัทถึง ‘แจก’ ระบบสังเคราะห์ที่มีค่าและทรงพลังเช่นนี้ ในกรณีของ Hunyuan Video ปัจจัยกำไรถูกสร้างเข้าไปในใบอนุญาตโดยตรง – แม้ว่าจะเป็นเรื่องที่ยากสำหรับ Tencent ที่จะกำหนดเมื่อบริษัทใดกระตุ้นให้เกิดการแบ่งปันผลกำไร

อย่างไรก็ตาม ผลลัพธ์เป็นไปตามที่เป็นในปี 2022: ชุมชนพัฒนาที่มีความกระตือรือร้นและเข้มข้นก่อตัวขึ้นทันทีและรอบๆ การเผยแพร่ บางเส้นทางที่ความพยายามเหล่านี้จะดำเนินไปในอีก 12 เดือนข้างหน้าอาจนำไปสู่หัวข้อข่าวใหม่ๆ

* สูงถึง 136 ในเวลาที่เผยแพร่

เผยแพร่ครั้งแรกวันอังคารที่ 7 มกราคม 2025