استارتاپ Hedra در جذب سرمایه ۳۲ میلیون دلاری به رهبری a16z برای تولید ویدئوی هوش مصنوعی با محوریت شخصیت‌ها موفق شد

افراد برای ایجاد یک ترند ویروسی جدید و غیرمنتظره از ابزارهای تولید ویدئوی هوش مصنوعی (AI video generation tools) استفاده می‌کنند: پادکست‌هایی با حضور نوزادان یا حیوانات سخنگو که توسط هوش مصنوعی تولید شده‌اند. Hedra یکی از شرکت‌هایی است که به هنرمندان کمک می‌کند تا این کار را انجام دهند.

این استارتاپ که در سال ۲۰۲۳ راه‌اندازی شد، مجموعه‌ای از ابزارهای وب‌بیس برای تولید و ویرایش ویدئو ارائه می‌دهد که توسط مدل Character-3 آن قدرت گرفته است. این مدل به کاربران اجازه می‌دهد ویدئوهایی با تمرکز بر یک شخصیت تولید شده توسط هوش مصنوعی بسازند و همچنین سبک‌ها را در تصاویر و صداها منتقل کنند.

این همان چیزی است که افراد برای ساخت ویدئوهای پادکست مانند نمونه‌ای استفاده می‌کنند که در آن یک سگ تولید شده توسط هوش مصنوعی در مورد تجربه زندگی با یک نوزاد جدید در خانه صحبت می‌کند.

هنوز مشخص نیست که Hedra چقدر از این ترند بهره برده است، اما با این حال توجه سرمایه‌گذاران زیادی را به خود جلب کرده است: این شرکت روز پنجشنبه اعلام کرد که ۳۲ میلیون دلار در یک دور تأمین مالی سری A (Series A funding round) به رهبری صندوق زیرساخت Andreessen Horowitz (a16z) جذب کرده است. سرمایه‌گذاران قبلی آن نیز در این دور مشارکت دارند و مت بورنشتاین (Matt Bornstein) از a16z به هیئت مدیره این استارتاپ خواهد پیوست.

مایکل لینگلباخ (Michael Lingelbach)، بنیانگذار و مدیرعامل (CEO) این شرکت، به TechCrunch گفت که این استارتاپ از شکافی که او بین شرکت‌هایی مانند Synthesia، که به کاربران اجازه می‌دهد آواتارهای تولید شده توسط هوش مصنوعی را روی پرزنتیشن‌ها قرار دهند، و استارتاپ‌هایی مانند Runway، که ابزارهای تولید ویدئو برای ساخت کلیپ‌های کوتاه ارائه می‌دهند، متوجه شده بود، الهام گرفته است.

او گفت: «فکر کردم چه می‌شود اگر چیزی در تلاقی تولید ویدئو و شخصیت‌های سه‌بعدی (3D characters) بسازیم، با دیالوگ‌های طولانی و قابلیت کنترل بهتر.»

Hedra اولین مدل ویدئویی خود را در ژوئن ۲۰۲۴ (خرداد/تیر ۱۴۰۳) عرضه کرد و به سرعت توجه سرمایه‌گذاران را جلب کرد و ۱۰ میلیون دلار در قالب سرمایه‌گذاری اولیه (Seed funding) از Index Ventures، Abstract Ventures و a16z speedrun جذب کرد. اوایل سال جاری میلادی نیز آمازون از طریق بازوی سرمایه‌گذاری خطرپذیر (Venture capital arm) خود، Alexa Fund، از این شرکت حمایت کرده بود.

لینگلباخ اشاره کرد که عرضه مدل Character-3 در ماه مارس (اسفند ۱۴۰۲/فروردین ۱۴۰۳) یک نقطه عطف بزرگ بود (مدت کوتاهی پس از امضای برگه شرایط (Term sheet) با a16z) و اکنون رشد زیادی در تعداد کاربران ایجاد کرده است.

این استارتاپ قصد دارد از سرمایه تازه جذب شده برای آموزش مدل بعدی خود استفاده کند، که به گفته آن‌ها قابلیت سفارشی‌سازی بهتری را فراهم می‌کند، و همچنین فناوری‌هایی را توسعه دهد که به شخصیت‌های تولید شده توسط هوش مصنوعی آن اجازه دهد با کاربران تعامل داشته باشند.

این شرکت اکنون بر جذب تولیدکنندگان محتوا (Creators) و کاربران حرفه‌ای (Prosumers) تمرکز کرده است و اعلام کرده که از بخش‌های بازاریابی شرکت‌های بزرگ نیز علاقه‌مندی ورودی دریافت کرده است.

در حالی که مدل اختصاصی Hedra بر حرکت و بیان شخصیت‌ها متمرکز است، این اپلیکیشن به شما اجازه می‌دهد از مدل‌های دیگری مانند Veo 2 و Kling برای تولید ویدئو، Flux، Imagen3، Sana و Ideogram V2 برای تولید تصویر، و مدل‌های صوتی از ElevenLabs و Cartesia برای تولید یا شبیه‌سازی صدا استفاده کنید.

رقیبان Hedra شامل Captions (که آن نیز توسط a16z حمایت می‌شود) و بیشتر بر روی گوشی‌های هوشمند (Smartphones) متمرکز است؛ Cheehoo که تحت حمایت Greycroft است و با استودیوهای هالیوود برای ساخت فیلم‌های انیمیشن کار می‌کند؛ Synthesia و HeyGen هستند. Hedra ادعا می‌کند ویدئوهایی که با پلتفرم آن تولید می‌شوند، شخصیت‌های گویاتر و expressiveتری نسبت به ویدئوهای ساخته شده با استفاده از رقبا دارند.

بورنشتاین از a16z معتقد است که با تکامل فضای تولید ویدئوی مبتنی بر هوش مصنوعی، ابزارهای بیشتری را خواهیم دید که بر روی شخصیت‌ها، حرکت، صدا، ویرایش و موارد مشابه تمرکز می‌کنند.

او در بیانیه‌ای ایمیلی به TechCrunch گفت: «شرکت‌های هوش مصنوعی می‌توانند کلیپ‌های شگفت‌انگیزی از محیط‌ها و اقدامات ساده تولید کنند. اما نمی‌توانند دیالوگ یا انیمیشن معنادار تولید کنند. مسئله فقط ساخت یک ویدئو نیست، بلکه ساخت داستانی است که تأثیرگذار باشد. این موضوع تا حد زیادی به افراد و شخصیت‌های داخل داستان برمی‌گردد. این دقیقاً همان چیزی است که Hedra در حال ساختن آن است.»