कलिंग एक टेक्स्ट-टू-वीडियो और इमेज-टू-वीडियो जनरेशन मॉडल है जिसे कुआशौ टेक्नोलॉजी द्वारा विकसित किया गया है, जो चीनी शॉर्ट-वीडियो प्लेटफ़ॉर्म कंपनी है जो कुआशौ ऐप के पीछे है, जो बाइटडांस के डॉयिन (टिकटॉक का चीनी संस्करण) का प्रतिद्वंद्वी है। कुआशौ ने जून 2024 में कलिंग जारी किया, इसे सोरा के लिए एक घरेलू प्रतियोगी के रूप में स्थापित किया, जिसे ओपनएआई ने कुछ महीने पहले पूर्वावलोकन किया था लेकिन अभी तक सार्वजनिक रूप से जारी नहीं किया था। कलिंग को पहले चीन में कुआशौ के क्वाइंग वीडियो-एडिटिंग ऐप के भीतर एक वेटलिस्ट के लिए उपलब्ध कराया गया था, इससे पहले इसे एक व्यापक अंतर्राष्ट्रीय वेब एप्लिकेशन तक विस्तारित किया गया।
क्षमताएँ
लॉन्च के समय, कलिंग 30 फ्रेम प्रति सेकंड पर दो मिनट तक के वीडियो क्लिप उत्पन्न कर सकता था, जो उस समय अधिकांश प्रतिस्पर्धी वीडियो-जनरेशन सिस्टम की पेशकश से काफी लंबी अवधि थी, साथ ही 1080p रिज़ॉल्यूशन तक वीडियो जनरेशन के लिए समर्थन भी था। मॉडल ने डिफ्यूज़न आर्किटेक्चर का उपयोग ट्रांसफॉर्मर-आधारित घटकों के साथ संयुक्त रूप से किया, जो सोरा के लिए रिपोर्ट की गई वास्तुकला दिशा के समान था, विभिन्न लंबाई और रिज़ॉल्यूशन को संभालने के लिए वीडियो को स्पेसटाइम पैच के रूप में मॉडलिंग करता था। बाद के संस्करणों, जिनमें कलिंग 1.5, 1.6, और 2025 के माध्यम से कलिंग 2.0 और 2.1 शामिल हैं, ने गति सुसंगतता में सुधार किया, इमेज-टू-वीडियो और स्टार्ट-एंड-फ्रेम वीडियो जनरेशन (पहले और अंतिम फ्रेम दोनों निर्दिष्ट करना और मॉडल को संक्रमण उत्पन्न करने देना) जोड़ा, और लिप-सिंकिंग और दृश्यों में चरित्र स्थिरता के लिए उपकरण पेश किए, जो पेशेवर और अर्ध-पेशेवर वीडियो निर्माताओं के लिए लक्षित थे।
प्रतिस्पर्धी परिदृश्य
कलिंग 2024 और 2025 के माध्यम से जारी चीनी वीडियो-जनरेशन मॉडल की एक व्यापक लहर के हिस्से के रूप में उभरा, बाइटडांस के सीडेंस और अन्य प्रवेशकों के साथ, जिसने सामूहिक रूप से टेक्स्ट-टू-वीडियो जनरेशन में प्रगति की गति को कई पश्चिमी पर्यवेक्षकों की अपेक्षा से तेज़ बना दिया। सामुदायिक-संचालित तुलना प्लेटफार्मों और लीडरबोर्ड जैसे एरीना-शैली वीडियो रैंकिंग पर, कलिंग को बार-बार 2025 के माध्यम से वैश्विक स्तर पर शीर्ष-प्रदर्शन करने वाले वीडियो मॉडलों में से एक के रूप में दर्जा दिया गया, जो गूगल-डीपमाइंड के वीओ, ओपनएआई के सोरा और सीडेंस के साथ निकट प्रतिस्पर्धा कर रहा था, विभिन्न मॉडल शीर्ष स्थान को बदलते रहे क्योंकि प्रत्येक ने अपडेट जारी किए। कलिंग का तेज़ पुनरावृत्ति चक्र और नई क्षमताओं, जैसे लंबी अवधि और बेहतर गति नियंत्रण, को अपने वेब ऐप के माध्यम से व्यापक अंतर्राष्ट्रीय उपयोगकर्ता आधार तक उजागर करने की इच्छा ने चीन के बाहर इसके गोद लेने में योगदान दिया, जिसमें विपणन और सामग्री-निर्माण पेशेवर शामिल थे।
स्वागत
उद्योग टिप्पणी ने कलिंग, सीडेंस और अन्य चीनी वीडियो मॉडल के साथ, इस बात के प्रमाण के रूप में फ्रेम किया कि चीन का एआई उद्योग अंतरराष्ट्रीय स्तर पर न केवल भाषा मॉडल में बल्कि संसाधन-गहन जनरेटिव मीडिया में भी प्रतिस्पर्धी बन गया था, एक ऐसा क्षेत्र जिसे सबसे बड़े कंप्यूट बजट वाली प्रयोगशालाओं के पक्ष में माना जाता था। कलिंग ने व्यापक टेक्स्ट-टू-वीडियो क्षेत्र के विशिष्ट रुचि और जांच दोनों को आकर्षित किया, जिसमें प्रशिक्षण डेटा की उत्पत्ति और डीपफेक-आसन्न दुरुपयोग के लिए उत्पन्न वीडियो के उपयोग के बारे में प्रश्न शामिल थे, चिंताएँ जिन्हें कुआशौ ने उत्पन्न आउटपुट के दृश्य वॉटरमार्किंग और कुछ सामग्री श्रेणियों को प्रतिबंधित करने वाली उपयोग नीतियों के माध्यम से आंशिक रूप से संबोधित किया। अन्य तेज़-गति वाले जनरेटिव वीडियो सिस्टम की तरह, कलिंग के सटीक प्रशिक्षण डेटा और पूर्ण तकनीकी विनिर्देश सार्वजनिक रूप से पूरी तरह से प्रकट नहीं किए गए थे, जो वीडियो-जनरेशन मॉडल रिलीज़ में सीमित पारदर्शिता के व्यापक उद्योग पैटर्न के अनुरूप था।