ฝั่งงานครีเอทีฟมีเครื่องมือใหม่ที่ควรรู้จักสามตัว ตั้งแต่การแก้ภาพด้วยคำสั่งธรรมชาติ การสร้างงานเวกเตอร์ที่ใช้งานออกแบบได้จริง ไปจนถึงการเร่งความเร็ววิดีโอที่อ้างอิงตัวละครได้

Fibo 2 (Bria): ตัวแก้ภาพโอเพนซอร์สที่แรงที่สุดในกลุ่ม

โมเดลแก้ภาพด้วยภาษาธรรมชาติที่รับภาพอ้างอิงได้หลายใบพร้อมกัน เช่น ให้บุคคลในภาพแรกสวมชุดจากภาพที่สอง ในท่าทางจากภาพที่สาม และอยู่ในฉากของภาพที่สี่ ทำได้ค่อนข้างแม่น รวมถึงงานบูรณะและลงสีภาพขาวดำที่รักษาหน้าต้นฉบับได้ดี และงานแก้สมดุลแสงสีที่ผิดเพี้ยนหนักได้อย่างมีประสิทธิภาพ

บน leaderboard ด้านการแก้ภาพ Fibo 2 อยู่อันดับหนึ่งแต่คะแนนใกล้เคียงคู่แข่งในกลุ่มโมเดลเปิดมาก จุดที่ต้องระวังคือ สัญญาอนุญาตจำกัดการใช้เชิงพาณิชย์ และมีขั้นตอนขอเข้าถึงโมเดลมากกว่าคู่แข่ง

Ideogram Vector: งานเวกเตอร์ที่แก้ไขได้จริง

โมเดลที่เน้นสร้างงานเวกเตอร์ ได้แก่ โลโก้ ภาพประกอบ งานตัวอักษร และงานดีไซน์ เพราะเวกเตอร์สร้างจากรูปทรงทางคณิตศาสตร์ จึงขยายได้ไม่แตก และแก้ไขรูปทรงแต่ละชิ้นได้ จุดที่น่าสนใจคือการอัปโหลดภาพที่มีอยู่แล้วให้แปลงเป็นเวกเตอร์โดยยังรักษารายละเอียดของภาพเดิมไว้ได้มาก ใช้งานได้ผ่านแอปของ Ideogram

Fast H3 Omni: เร่งวิดีโออ้างอิงให้เร็วขึ้นมาก

วิธีการเร่งความเร็วสำหรับโมเดลวิดีโอโอเพนซอร์สชั้นนำ ออกแบบมาสำหรับ reference-to-video โดยเฉพาะ คือให้ภาพอ้างอิงของตัวละครหรือฉาก แล้วสร้างวิดีโอที่คงเอกลักษณ์ของตัวละครนั้นไว้ตลอดเรื่อง ทีมพัฒนาลดจำนวนขั้นตอนสร้างภาพจาก 50 เหลือ 8 ขั้น และวัดความหน่วงต่ำลงได้ถึง 12 เท่าเมื่อรันบน GPU ระดับดาต้าเซ็นเตอร์ 8 ตัว แม้ผู้ใช้ทั่วไปจะได้อัตราเร่งน้อยกว่านั้น แต่ก็ยังเร็วกว่าเดิมชัดเจน และมีให้ดาวน์โหลดหลายรูปแบบรวมถึง FP8, FP4 และเวอร์ชันสำหรับ Apple Silicon

ผลต่องานการตลาดขององค์กร

  • ตรวจสอบสิทธิ์การใช้งานเชิงพาณิชย์ของทุกโมเดลก่อนนำภาพไปใช้ในสื่อแบรนด์
  • งานเวกเตอร์เหมาะกับงานที่ต้องส่งต่อให้เอเจนซีหรือพิมพ์ขนาดใหญ่
  • วิดีโออ้างอิงตัวละครช่วยลดต้นทุนงานแคมเปญต่อเนื่อง แต่ต้องวางมาตรฐานแบรนด์ให้ชัด
  • กำหนดนโยบายว่าภาพหรือวิดีโอใดลงนามได้ด้วย AI และภาพใดต้องถ่ายจริง

ที่มาและเครดิต: สรุปและเรียบเรียงจากรายการ AI NEWS ของช่อง AI Search (ตอน Cybersecurity chaos, AI for DNA, Kimi K3.1, Claude Duet, Dessa, Fibo 2, Minimax 3.1) — รับชมต้นฉบับบน YouTube · บทความนี้เรียบเรียงใหม่เป็นภาษาไทยเพื่อผู้อ่านองค์กรในประเทศไทย