با افزایش استفاده از ایجنت‌های هوش مصنوعی در اپلیکیشن‌ها، بیشتر تعامل‌ها همچنان به متن محدود مانده‌اند. استارتاپ Lemon Slice تلاش می‌کند این محدودیت را برطرف کند و ویدیو را به لایه‌ای تعاملی در چت‌بات‌ها تبدیل کند. این شرکت با معرفی مدل Lemon Slice-2 امکان ساخت آواتارهای ویدیویی زنده را تنها با یک تصویر فراهم کرده است.
آواتارهایی فراتر از پاسخ متنی
Lemon Slice-2 می‌تواند آواتارهایی بسازد که روی یک پایگاه دانشی اجرا می‌شوند و نقش‌های مختلفی را ایفا می‌کنند؛ از پاسخ‌گویی به مشتریان گرفته تا کمک آموزشی و حتی پشتیبانی سلامت روان. این مسیر، ادامه همان روندی است که در ابزارهای تصویری پیشرفته مانند GPT Image 1.5 دیده می‌شود؛ جایی که تمرکز از تولید ساده محتوا به کنترل و تعامل دقیق‌تر حرکت کرده است
https://kingmember.com/gpt-image-1-5-openai-image-editing/
عملکرد فنی و اجرای بلادرنگ
به گفته Lemon Slice، این مدل یک سیستم ۲۰ میلیارد پارامتری است که روی یک GPU اجرا می‌شود و می‌تواند ویدیو را با نرخ ۲۰ فریم بر ثانیه به‌صورت زنده پخش کند. دسترسی به این فناوری از طریق API و یک ویجت قابل‌جاسازی انجام می‌شود که تنها با یک خط کد در وب‌سایت‌ها فعال می‌شود. کاربران پس از ساخت آواتار می‌توانند ظاهر، پس‌زمینه و استایل آن را در هر زمان تغییر دهند.
عبور از مشکل آواتارهای مصنوعی
بسیاری از آواتارهای فعلی حس غیرطبیعی و ناآرام‌کننده دارند. Lemon Slice با استفاده از مدل دیفیوژن عمومی تلاش می‌کند این مشکل را برطرف کند. هدف این رویکرد، ایجاد حرکات نرم‌تر، هماهنگی بهتر لب و صدا و تعامل طبیعی‌تر است؛ مسیری مشابه آنچه در پیشرفت مدل‌های ویدیویی حرفه‌ای دیده می‌شود.
کاربردهای متنوع؛ از آموزش تا تجارت
این مدل فقط به چهره‌های انسان‌نما محدود نیست و می‌تواند شخصیت‌های غیرانسانی نیز تولید کند. Lemon Slice اعلام کرده از فناوری ElevenLabs برای تولید صدا استفاده می‌کند و موارد استفادهٔ فعلی شامل آموزش، یادگیری زبان، تجارت الکترونیک و آموزش سازمانی است. این تنوع کاربرد، هم‌راستا با رشد سریع ابزارهای خلاق مبتنی بر هوش مصنوعی است؛ روندی که در استارتاپ‌هایی مانند Lovable نیز دیده می‌شود
https://kingmember.com/lovable-fast-growing-swedish-vibe-coding-startup/
جذب سرمایه و رقابت سنگین بازار
Lemon Slice که در سال ۲۰۲۴ تأسیس شده، به‌تازگی ۱۰.۵ میلیون دلار سرمایه Seed جذب کرده است. این استارتاپ در بازاری رقابتی فعالیت می‌کند که شرکت‌هایی مانند D-ID، HeyGen و Synthesia نیز در آن حضور دارند. رقابتی که نشان می‌دهد آینده تعامل انسان و هوش مصنوعی، به‌سمت تجربه‌های بصری و ویدیویی حرکت می‌کند؛ مشابه تحولی که در حوزه ویرایش ویدیو با ابزارهایی مانند Adobe Firefly دیده می‌شود
https://kingmember.com/adobe-firefly-update-precise-video-editing-with-ai/
جمع‌بندی
Lemon Slice-2 تلاشی جدی برای افزودن تعامل ویدیویی واقعی به چت‌بات‌ها و ایجنت‌های هوش مصنوعی است. ترکیب اجرای بلادرنگ، آواتارهای قابل‌کنترل و تمرکز بر طبیعی‌بودن تعامل، این مدل را به گزینه‌ای قابل‌توجه برای آینده آموزش، پشتیبانی مشتری و محتوای دیجیتال تبدیل می‌کند. اگر این مسیر موفق شود، ویدیو می‌تواند همان نقشی را در تعامل انسان و AI ایفا کند که متن در سال‌های اخیر داشته است.
