Useimmat tekoälyalustat ruuvaavat median tuottamisen kiinni jälkikäteen. Erillinen välilehti, erillinen API-avain, laskutusmalli, jolla ei ole mitään tekemistä keskustelusaldosi kanssa. ToRun ottaa toisen kannan: kuvien, videon ja musiikin tuottaminen ovat tiloja — sama täysivaltainen tuotepinta kuin Keskustelu tai Koodi — ja ne kulkevat täsmälleen saman kyvykkyyspohjaisen ohjauksen ja saman laskutusputken läpi kuin mikä tahansa muu kutsu.
Tämä teksti selittää koneiston ja sen, miksi se merkitsee.
Miten ohjausputki kohtelee mediaa
Jokainen pyyntö ToRunissa alkaa tilalla: Keskustelu, Kuva, Video, Musiikki, Tutkimus ja niin edelleen. Jokainen tila ilmoittaa vaatimansa kyvykkyydet. Kuvien tuottaminen vaatii kyvykkyyden image-gen. Video vaatii video-gen. Musiikin ja äänen synteesi vaatii audio-out. Pyyntö, joka liittää keskustelun kuvatulosteeseen — vaikkapa käsitteellinen luonnos selityksen viereen — vaatii text ja image-gen yhtä aikaa.
Ohjausputki ottaa tämän kyvykkyysjoukon, kaventaa malliluettelon niihin palveluntarjoajiin, jotka täyttävät ne kaikki, ja järjestää sitten ehdokkaat hinnan ja laadun mukaan. Valittu malli ei ole missään kirjoitettu kiinni työnkulkuusi; jos palveluntarjoaja on poissa käytöstä tai hidas, varaketju valitsee automaattisesti seuraavan kelvollisen mallin. Et kirjoita palveluntarjoajakohtaista koodia. Et ylläpidä erillisiä API-avaimia muodoittain (ellet halua, BYOK:n kautta).
Eniten tämä merkitsee, kun yhdistät muotoja. Työnkulun solmu voi pyytää tekstimallia kirjoittamaan kohtauksen kuvauksen, siirtää tuon tulosteen kuvia tuottavalle mallille ja sitten antaa kuvan osoitteen videota laajentavalle mallille — kaiken samassa verkossa, kaiken samalle kirjanpidolle laskutettuna.
Hinnoitteluyksiköt, jotka todella vastaavat sitä, mitä palveluntarjoajat veloittavat
Median laskutus on ollut perinteisesti läpinäkymätöntä, koska yksiköt eivät kuvaudu merkeille. ToRun käyttää kahtatoista kanonista hinnoitteluyksikköä kattaakseen jokaisen muodon tarkasti:
- Kuvaa kohti — diffuusiomalleille ja tekstistä kuvaksi -malleille; hinta tavoittaa tuottamisen, ei kuvapisteitä.
- Äänisekuntia kohti — puhesynteesille, puhutulle tulosteelle ja musiikin tuottamiselle.
- Videosekuntia kohti — videota tuottaville malleille; kesto ja tarkkuusvaihtoehto ovat hintarivillä.
- Puhesynteesin merkkiä kohti — puheliittymille, jotka veloittavat merkeittäin.
Näiden rinnalla tavanomaiset merkkiyksiköt (miljoonaa syötemerkkiä, tulostemerkkiä ja syötevälimuistin merkkiä kohti) kattavat mediaputkeen osallistuvat tekstimallit.
Jokainen kutsu kirjoittaa täsmälleen yhden laskutustietueen. Tämä tietue jäädyttää hinnan suoritushetkellä: hinnoitteluyksikön, yksikköhinnan, kulutetun määrän, dollarisumman ToRunin katteen jälkeen ja valuuttakurssin tilannekuvan, jos tilisi valuutta ei ole dollari. Jos palveluntarjoaja muuttaa hintoja huomenna, tämän päivän laskusi pysyy täysin uudelleen laskettavana kirjanpidosta. Voit viedä raa'at hinnat ulos ja tarkastaa jokaisen sentin verkotta.
Median tuottamisen yhdistäminen keskusteluun ja työnkulkuihin
Eniten tämä arkkitehtuuri maksaa itsensä takaisin työnkuluissa.
Työnkulun solmu on yksinkertaisesti vaihe, joka ilmoittaa tarvitsemansa: tietyt kyvykkyydet omaavan mallin, syöteskeeman ja tulosteskeeman. Musiikkisolmu voi ottaa tekstikehotteen ja keston ja palauttaa Bunny CDN -osoitteen tuotetulle äänelle. Kuvasolmu ottaa kehotteen, kuvasuhteen ja tyylivihjeen ja palauttaa kuvan osoitteen. Nämä solmut yhdistyvät kuten mikä tahansa muu vaihe.
Voit rakentaa yhden työnkulun, joka:
- Ottaa tuotebriefin syötteeksi.
- Kutsuu tekstimallia tuottamaan viisi iskulausevaihtoehtoa.
- Kutsuu kuvamallia piirtämään yhden pääkuvan kutakin vaihtoehtoa kohti.
- Kutsuu puhemallia lukemaan valitun iskulauseen.
- Palauttaa jäsennellyn tuotoksen tekstillä, kuvaosoitteilla ja äänellä.
Koko tämän ajon laskutus jakautuu viideksi tietueeksi — yksi mallikutsua kohti — kaikki sidottuina samaan työnkulun suoritustunnukseen. Näet kustannuserittelyn vaiheittain. Suorittajat ottavat oletuksena laatutason malleja, koska tulos merkitsee; voit ohittaa tämän solmukohtaisesti.
Sama logiikka pätee keskustelussa. Jos keskustelusi laukaisee kuvan tuottamisen kutsun — koska pyysit sitä suoraan tai koska liitetty työnkulku aloitti sen — tuo kutsu kulkee ohjausputken läpi ja ilmestyy rivinä istuntosi kustannusnäkymään. Mikään ei piiloudu kiinteään maksuun. Mikään ei ole ensin ilmaista ja sitten maksullista.
Mitä on käytössä nyt
Kuvien, videon sekä musiikin ja äänen tuottaminen ovat kaikki saatavilla vaiheessa 1. Ne kulkevat saman palveluntarjoajaluettelon läpi kuin teksti, laskutetaan samalle kirjanpidolle ja yhdistyvät samassa työnkulkurakentajassa. Mitkä mallit ovat konkreettisesti saatavilla, riippuu siitä, mitkä palveluntarjoajat ovat kulloinkin luettelossa ja mitä kyvykkyyksiä ne ilmoittavat — ohjauskerros näyttää tämän reaaliajassa.
Hinnat ovat osoitteessa /pricing. BYOK-tuki on olemassa, jos haluat ohjata mediakutsut oman palveluntarjoajatilisi kautta pienemmillä alustamaksuilla.