Kling AI của Kuaishou đã ra mắt vào khuya ngày 17/11 mô hình ảnh thế hệ mới Kling Image 4.0, đồng thời mở API cho khách hàng doanh nghiệp và nhà phát triển. Đây là lần đầu tiên Kling hỗ trợ xuất ảnh 8K gốc (native) trên một mô hình ảnh. Mô hình này và Kling 4.0 phát hành ngày 15/10 là hai dòng sản phẩm riêng biệt; Kling 4.0 là mô hình video.
Thông số tập trung vào chữ và bộ ảnh
Theo các báo cáo công khai, Image 4.0 dùng kiến trúc "hiểu và tạo sinh hợp nhất", đưa khả năng hiểu hình ảnh và tạo ảnh vào cùng một mô hình. Giới hạn văn bản đầu vào được nâng lên 15.000 token, và một ảnh có thể dàn khoảng 2.000 chữ. Mô hình tích hợp hơn 70 phông chữ thương mại cài sẵn; người dùng cũng có thể tải lên ảnh tham chiếu để mô hình bắt chước kiểu chữ và bố cục.
Về bộ ảnh, một lần mô tả có thể tạo tối đa 10 ảnh, cùng dùng một bộ yêu cầu sáng tạo trong nhóm; một bài đánh giá cho biết bộ ảnh còn có thể kèm tối đa 10 ảnh hoặc chủ thể tham chiếu. Ngoài ra có hơn 110 tông ánh sáng cài sẵn, và người dùng có thể tải ảnh tham chiếu lên để trích xuất màu sắc và ánh sáng.
Các mức độ phân giải như sau:
| Loại ảnh | Độ phân giải tùy chọn | Mặc định |
|---|---|---|
| Ảnh tiêu chuẩn | 2K / 4K / 8K gốc | 2K |
| Bộ ảnh | 2K / 4K / 8K gốc | 2K |
| Ảnh dài | 1K / 2K | Không nêu rõ |
Gộp các điểm này lại, hướng nhắm tới là công việc thương mại như trang chi tiết sản phẩm thương mại điện tử, poster và bộ ấn phẩm đồng bộ. Chỗ các mô hình ảnh trước đây dễ hỏng nhất là chữ Trung: nét lệch, chữ bịa ra, đoạn dài bị dàn trang rối. Một ảnh 2.000 chữ cùng hơn 70 phông dùng được thương mại là lời đáp trực diện cho điểm yếu đó. Giá trị của 8K chủ yếu nằm ở khâu hậu kỳ: sau khi tạo xong, từ một ảnh có thể cắt ra nhiều vùng cục bộ để dùng riêng.
Giá vẫn còn mù mờ
Lần này Kling không công bố bảng tiêu hao cố định cho từng mức phân giải của Image 4.0. Theo quy tắc tính phí hiện hành, cả ảnh tham chiếu đầu vào lẫn ảnh đầu ra đều bị tính phí, phí đầu ra tăng theo độ phân giải, mức trừ cụ thể tùy theo hiển thị trên trang tạo ảnh tại thời điểm đó. Điểm Cảm hứng (Inspiration Points) được niêm yết 1 nhân dân tệ đổi 10 điểm; gói hội viên Vàng tự gia hạn theo tháng trên web giá 58 nhân dân tệ, mỗi tháng tặng 660 điểm.
Vì vậy, một ảnh 8K tốn bao nhiêu hiện chỉ có thể tự tạo thử một lần rồi xem mức trừ. Với khách hàng doanh nghiệp dùng API theo lượng, con số này ảnh hưởng đến quyết định có tích hợp hay không còn nhiều hơn bảng thông số. Tính đến tối ra mắt, Kling chưa công bố giá API cho từng ảnh.
Đặt cạnh các mô hình cùng loại
Nguồn tham chiếu bên thứ ba tìm được là đấu trường thử mù ẩn danh của Artificial Analysis. Một bài đánh giá thuật lại rằng Kling Image 4.0 xếp thứ sáu thế giới và đứng đầu Trung Quốc ở cả hai bảng xếp hạng tạo ảnh từ văn bản và chỉnh sửa ảnh; năm vị trí đầu bảng tạo ảnh từ văn bản đều là dòng GPT Image của OpenAI. Nhóm phát triển ảnh của Kling nói thêm rằng mô hình mới tăng hơn hai trăm điểm so với thế hệ trước 3.0 Omni trên hai bảng này. Thứ hạng ở đấu trường thay đổi theo số phiếu bầu, nên lấy dữ liệu thời gian thực của bảng xếp hạng làm chuẩn.
Nhìn rộng hơn, hai năm qua điểm cạnh tranh của các mô hình ảnh Trung Quốc luôn nằm ở khả năng dựng chữ Trung và giấy phép thương mại. Việc Kling đưa "phông thương mại" vào điểm bán hàng nhắm thẳng vào nỗi lo bản quyền phông chữ của nhà thiết kế và đội thương mại điện tử; vi phạm phông chữ vốn là nguồn tranh chấp thường gặp trong giới thương mại điện tử. Dòng GPT Image đang dẫn đầu trên bảng xếp hạng tiếng Anh xưa nay yếu ở việc dàn các đoạn chữ Trung dài, và đó cũng là chỗ các mô hình Trung Quốc dễ tạo khoảng cách nhất.
Ở mảng video, Kling 4.0 phát hành hồi tháng 10 có thể tạo một clip dài 30 giây; với 8K bổ sung cho mảng ảnh, cả hai dòng sản phẩm đều đang tiến gần đến thông số "tạo xong là giao". Nền tảng thiết kế Lovart đã tích hợp mô hình mới ngay trong ngày ra mắt.
Nguồn tham khảo: ITHome, Smzdm,CocoLoop, Sina Finance; mức độ phân giải và giá điểm Cảm hứng được đối chiếu theo kết quả thử nghiệm thực tế của truyền thông, thứ hạng bảng xếp hạng là thông tin thuật lại từ đấu trường hình ảnh của Artificial Analysis.