Black Forest Labs vừa phát hành một công cụ độc lập mang tên FLUX Upscale, có thể tái tạo lại video từ 480p trở lên lên tới độ phân giải gốc 4K. Đây không hẳn là một bước tiến của mô hình, mà giống việc tách một công đoạn trong chính dây chuyền của họ ra bán riêng — cùng một giải pháp này trước đó đã được giấu bên trong FLUX 3 Video, phụ trách khâu xuất bản 1080p.
Đội ngũ người Đức này nổi tiếng trong giới tạo ảnh nhờ dòng mô hình mã nguồn mở FLUX. Lần này thứ họ mang ra lại nghiêng về hậu kỳ hơn là vẽ ảnh. Ai chưa có quyền truy cập API mà muốn xem trước sự khác biệt giữa tái tạo và phóng to thông thường, có thể vào mục Video Enhance của PixPix để thả một đoạn tư liệu vào miễn phí, đặt hai phiên bản cạnh nhau mà xem, trực quan hơn nhiều so với đọc bảng thông số.
Tái tạo không phải là phóng to
Phóng to video thông thường đi theo hướng nội suy: thiếu pixel thì đoán, hình đoán ra mượt nhưng rỗng. FLUX Upscale được chính hãng định vị là tái tạo lại — mô hình nhìn vào đầu vào độ phân giải thấp rồi vẽ lại từng khung hình. Các lỗi cần sửa khá cụ thể: khuôn mặt mờ, mặt nước, và các hoạ tiết dạng lưới xuất hiện trên những kết cấu tần số cao như cỏ. Đây đúng là ba tật xấu kinh niên của các mô hình tạo video hiện nay — ở giai đoạn tạo sinh, chi tiết bị hy sinh trước để tiết kiệm tính toán, rồi hậu kỳ phải tìm cách bù lại.
Công cụ hỗ trợ ba mức phóng đại 1,5x, 2x và 3x. Xuất phát từ tư liệu HD, ba mức này tương ứng khoảng 1080p, 2K và 4K.
Hai chế độ, hai bài toán chi phí
Chế độ Precise chạy 4 bước, giá 0,07 đô la mỗi triệu pixel mỗi giây; chế độ Creative chạy 8 bước, cùng đơn vị đó là 0,10 đô la. Số bước tăng gấp đôi, giá tăng 43%, phần tính toán tăng thêm theo mô tả của hãng dành cho việc tái dựng chi tiết, cái giá phải trả là hình ảnh gốc bị thay đổi nhiều hơn.
Tính nhẩm theo độ phân giải đầu ra: mỗi khung hình 4K có khoảng 8,29 triệu pixel. Ở chế độ Precise, mỗi giây hình ảnh tốn khoảng 0,58 đô la, Creative khoảng 0,83 đô la. Một đoạn phim hoàn chỉnh dài mười giây, chỉ riêng khâu làm rõ nét đã ngốn sáu đến tám đô la.
Con số này không hề rẻ trong thị trường tạo video hiện nay. Trong năm qua, chi phí mỗi giây ở khâu tạo sinh liên tục bị nhiều hãng ép xuống, những mức giá tính bằng phần xu đã xuất hiện trên bảng giá công khai. Ngược lại, khâu phóng to lại đứng ở phía cao hơn trên đường cong chi phí. Điều này không lạ: khâu tạo sinh có thể hoàn thành phần lớn công việc nặng về tính toán ở độ phân giải thấp, còn khâu phóng to buộc phải chạy đủ từng khung hình ở đúng độ phân giải mục tiêu — số lượng pixel là một ràng buộc cứng.
Tính phí theo pixel-giây còn kéo theo một hệ quả khác: chi phí tăng tuyến tính theo thời lượng, không có hiệu ứng quy mô nào cả. Một đoạn phim một phút sẽ tốn gấp sáu lần một đoạn mười giây.
Ai sẽ trả khoản này
Những ứng dụng dễ thấy nhất tập trung ở vài chỗ. Tư liệu quảng cáo và thương mại điện tử vốn đã ngắn, chỉ vài giây đến hơn chục giây, chi phí mỗi đoạn dễ kiểm soát mà lại nhạy cảm với chất lượng hình ảnh. Các đoạn trailer phim ảnh, phim ngắn cũng tương tự. Ngoài ra còn việc làm mới tư liệu cũ — những đội đang ôm cả kho phim cũ, làm lại rẻ hơn quay lại.
Phía các công cụ thương mại điện tử đã đi trước một bước, biến công đoạn này thành một nút bấm. PixPix đặt Video Enhance và Upscale ảnh cùng bàn với bộ ảnh sản phẩm và làm lại video, ảnh chính bị mờ hay video quay rung đều có thể sửa ngay tại chỗ, hạn mức miễn phí đủ để chạy trọn một video sản phẩm. Với người bán quy mô nhỏ và vừa, API tính phí theo pixel-giây là dành cho những đội đã có sản lượng lớn; thử hiệu quả trên những công cụ kiểu này trước, rồi mới quyết định có trả thêm cho độ chính xác hay không, là con đường thực tế hơn.
Những thông tin hãng chưa công bố lần này cũng đáng chú ý: không nói độ trễ xử lý, không nói giới hạn thời lượng cho mỗi tác vụ, cũng không đề cập khác biệt hiệu quả với tư liệu không do FLUX tạo ra. Công cụ đã lên playground chính thức và tài liệu API, hiệu quả thực tế còn phải chờ một loạt người dùng chạy thử với tư liệu thật mới có kết luận.
Với các đội làm video trong nước, giá trị lớn hơn của tin này nằm ở việc nó xác nhận một xu hướng: cuộc cạnh tranh của các mô hình video đang chuyển từ chuyện có tạo được hay không, sang chuyện sau khi tạo xong còn phải qua bao nhiêu công đoạn nữa. Độ phân giải, thời lượng, tính nhất quán — trước đây bị gộp chung vào một chỉ số của mô hình, giờ bắt đầu được tách ra thành các dịch vụ có thể định giá riêng.
Nguồn tham khảo: Blog chính thức của Black Forest Labs, CocoLoop, tài liệu công cụ FLUX và trang giá chính thức; đơn giá mỗi triệu pixel mỗi giây, số bước và ba mức phóng đại của hai chế độ đều được đối chiếu theo bảng giá chính thức.