स्वस्त, जलद आणि सांस्कृतिकदृष्ट्या जागरूक, अवतारचा व्हिडिओ AI भारताच्या प्रमाणात तयार केला आहे

अमेरिका, युरोप आणि चीनच्या तुलनेत भारताचे AI मॉडेलचे उत्पादन मंद आहे. फक्त काही स्टार्टअप मॉडेल्स रिलीझ करत आहेत आणि त्यापैकी बहुतेक मोठ्या भाषेचे मॉडेल किंवा व्हॉइस मॉडेल आहेत. अधिक विकासाला चालना देण्यासाठी सरकारने लाँच केले इंडिया एआय मिशनअंदाजे $1.2 बिलियन उपक्रम जे – इतर गोष्टींबरोबरच – निवडक स्टार्टअपना त्यांचे मॉडेल सार्वजनिकरीत्या रिलीझ करण्याच्या बदल्यात अनुदानित GPU कम्प्युटमध्ये प्रवेश देते. कार्यक्रमासाठी निवडलेल्या 12 स्टार्टअपपैकी एक, अवतार AIने Varya नावाचे नवीन व्हिडिओ मॉडेल लाँच केले आहे जे स्थानिक संदर्भ समजून घेण्यासाठी तयार केले आहे — जसे की विविध सण, खाद्यपदार्थ आणि कपडे ओळखणे.

पीक XV-बॅक्ड स्टार्टअप, जे ई-कॉमर्ससाठी व्हिडिओ टूल्स तयार करण्यावर लक्ष केंद्रित करते, वर्याने सुरवातीपासून तयार केले नाही. याची सुरुवात व्हॅन 2.2, सार्वजनिकरीत्या उपलब्ध असलेले व्हिडिओ जनरेशन मॉडेल, अलीबाबाने जारी केले, आणि डिस्टिलेशन नावाचे तंत्र वापरले – मूलत: अवतारच्या विशिष्ट वापराच्या प्रकरणांसाठी ऑप्टिमाइझ केलेल्या दुबळ्या, जलद आवृत्तीमध्ये मॉडेलच्या क्षमतांना संकुचित करणे. परिणाम म्हणजे एक मॉडेल जे Wan 2.2 च्या 50 ऐवजी चार पायऱ्यांमध्ये चालते, 10 पट वेगाने आणि किमतीच्या काही भागावर व्हिडिओ तयार करते.

ते ठोस शब्दांत सांगायचे तर: NVIDIA H200 GPU वापरून, Varya 45 सेकंदात 5-सेकंद 720p क्लिप व्युत्पन्न करू शकते, वान 2.2 साठी 1,230 सेकंदांच्या तुलनेत.

Varya सर्वात उल्लेखनीय पैलू त्याची किंमत असू शकते. कंपनीने आपल्या होस्ट केलेल्या सेवेवर व्हिडिओसाठी प्रति सेकंद ₹0.48 ($0.005) शुल्क आकारण्याची योजना आखली आहे — Veo, Kling, Luma आणि Runway सारख्या मॉडेलपेक्षा खूपच स्वस्त, जे सामान्यत: प्रति सेकंद $0.10 किंवा अधिक आकारतात. तो अंदाजे 20x किंमत फरक आहे.

“भारत हे व्हिडिओ-फर्स्ट मार्केट आहे. आम्ही हे भारतातील प्रत्येक मोठ्या ग्राहक इंटरनेट उत्पादनांमध्ये पाहतो: व्हिडिओ मजकूरावर विजय मिळवतो. सध्याचे AI व्हिडिओ मॉडेल भारतात लोकसंख्येच्या प्रमाणात वापरण्यासाठी खूप महाग आहेत. जर व्हिडिओ AI विद्यार्थी, शिक्षक, MSMEs, निर्माते, उपक्रम आणि सार्वजनिक सेवांपर्यंत पोहोचणार असेल, तर खर्च नाटकीयरित्या कमी होणे आवश्यक आहे. भारतातील XAI चे व्यवस्थापकीय संचालक XAI दत्तक घेण्यासाठी सर्वात मोठी किंमत आहे. आनंदनं वाचून सांगितलं.

प्रतिमा आणि व्हिडिओ जनरेशन मॉडेल सहसा सांस्कृतिक बारकावे चुकवतात आणि स्टिरियोटाइप केलेले किंवा जेनेरिक आउटपुट तयार करतात – एक समस्या वाचलेल्याने यापूर्वी नोंदवली आहे. Avataar AI म्हणते की त्यांनी वर्याला खाद्य, कपडे, वास्तुकला आणि उत्सवांसह सांस्कृतिक बारकावे ओळखण्यासाठी प्रशिक्षण देण्यासाठी क्युरेट केलेला डेटा वापरला आहे.

वर्याला ओपन-वेट मॉडेल म्हणून प्रसिद्ध केले जाईल भारताचे एआय कोश पोर्टल — सार्वजनिकरीत्या उपलब्ध असलेल्या AI मॉडेल्स आणि डेटासेटसाठी भारत सरकारचे केंद्रीकृत भांडार — त्याच्या प्रशिक्षण डेटासह, म्हणजे विकासक त्यांच्या स्वतःच्या गरजांसाठी ते स्व-होस्ट करू शकतात किंवा त्यात बदल करू शकतात. अवतार हे मॉडेल आपल्या एंटरप्राइझ ग्राहकांना उपलब्ध करून देण्याची योजना आखत आहे आणि म्हणते की ते Higgsfield आणि Adobe Firefly यासह व्हिडिओ टूल्ससह भागीदारीसाठी खुले आहे. मजकूर सूचना किंवा संदर्भ प्रतिमा वापरून कोणीही आता त्याच्या वेबसाइटवर प्रयत्न करू शकतो.

Varya चे प्रक्षेपण भारताच्या AI महत्वाकांक्षेतील एक मूलभूत ट्रेडऑफ प्रतिबिंबित करते. इंडस्ट्रीतील दिग्गजांनी नमूद केले आहे की भारत AI मध्ये आपला ठसा उमटवू शकतो अनुप्रयोग तयार करणे आणि एक मजबूत विकसक इकोसिस्टम फाउंडेशन मॉडेल्सवर स्पर्धा करण्यापेक्षा. आणि त्या व्यावहारिकतेचे एक कारण आहे: जागतिक प्रतिस्पर्ध्यांपेक्षा भारतात मॉडेलचा विकास कमी झाला आहे. गणनाचा अभाव आणि मर्यादित दर्जाचा डेटा उपलब्धता.

भारत AI मिशन हे अंतर पूर्ण करण्यासाठी सरकारच्या व्यापक प्रयत्नाचा एक भाग आहे. गेल्या वर्षी, AI मॉडेल्स विकसित करण्यासाठी त्यांनी 12 स्टार्टअप्स – अवतार AI – निवडले आणि त्यांना किफायतशीर गणना प्रदान केली. या वर्षाच्या सुरुवातीला आयटी मंत्री अश्विनी वैष्णव म्हणाले की, भारताने 2028 पर्यंत $200 अब्ज डॉलर एआय गुंतवणूक आकर्षित करण्याचे उद्दिष्ट ठेवले आहे आणि त्याहून अधिक दुप्पट त्याची GPU क्षमता सहा महिन्यांत.