کانوا اولین مدل تولید تصویر خود را معرفی کرد

کانوا از اولین مدل تولید تصویر خود به نام Craft رونمایی کرد؛ فشار هزینه‌های هوش مصنوعی در پس این اقدام

ابزار طراحی آنلاین Canva از اولین مدل تولید تصویر خود به نام Craft که از ابتدا آموزش دیده است، رونمایی کرد. این مدل از ۲۲ اکتبر در دسترس تمامی حساب‌های کاربری Canva در سراسر جهان قرار خواهد گرفت. توسعه‌دهندگان نیز می‌توانند از طریق API عمومی، Craft را در ابزارهای خود ادغام کنند، هرچند هنوز جزئیات مربوط به هزینه‌ها و میزان استفاده رایگان اعلام نشده است.

Canva همچنین اعلام کرده است که در آینده، دستیارهای هوش مصنوعی مانند ChatGPT و Gemini قادر خواهند بود از طریق سرور MCP این شرکت، از Craft برای تولید تصویر استفاده کنند.

معرفی Craft توسط Canva

Canva در اطلاعیه رسمی خود اعلام کرده است که Craft کار را به دو مرحله تقسیم می‌کند. مرحله اول، “مدل برنامه‌ریزی” است که وظیفه درک دستورات متنی و نوشتن طرح کلی ترکیب‌بندی را بر عهده دارد: شامل عناصر، روابط مکانی بین آن‌ها، اندازه‌های نسبی، سلسله مراتب بصری و متونی که باید در تصویر ظاهر شوند. مرحله دوم، “مدل ترسیم” است که بر اساس طرح کلی، تصاویری با وضوح حداکثر ۲K تولید می‌کند. این مدل بیش از ۳۰ نسبت ابعاد را پشتیبانی می‌کند و امکان سفارشی‌سازی نیز وجود دارد.

به زبان ساده، این فرآیند ابتدا پیش‌نویس را آماده کرده و سپس رنگ‌آمیزی را انجام می‌دهد. Canva بیان کرده است که مزیت این روش، کاهش ابهام در متن‌ها و دقت بیشتر در موقعیت اشیاء است و در صورت نیاز به تغییر بخشی از تصویر، نیازی به تغییر کل تصویر نیست. تصاویر تولید شده همچنین با استفاده از Magic Layers به لایه‌های قابل ویرایش تقسیم می‌شوند و نیازی به بازسازی مجدد نیست.

دستورات متنی می‌توانند به هر زبانی باشند و متن درون تصاویر از ۵۵ زبان پشتیبانی می‌کند. Canva مثالی زده است که در آن با درخواست آسمان بنفش، سایه‌های بلند و درختی تنها، هر سه مورد ظاهر می‌شوند و تمرکز بر روی جایی است که کاربر مد نظر دارد. کاربرد این مدل از پوسترها، پست‌های شبکه‌های اجتماعی، ویژوال‌های اسلایدها گرفته تا پرتره، منظره و تصویرسازی را شامل می‌شود.

داده‌های آموزشی متفاوت

Canva اظهار داشته است که برخلاف اکثر مدل‌های تولید تصویر که عمدتاً بر عکس‌ها تمرکز دارند، Craft از میلیون‌ها طرح ساخته شده توسط انسان در کتابخانه قالب‌های Canva استفاده کرده است. این قالب‌ها شامل پوسترها، پست‌های شبکه‌های اجتماعی، اسلایدها، اینفوگرافیک‌ها، منوهای رستوران‌ها و طرح‌بندی‌هایی با متن زیاد هستند. این قالب‌ها نحوه ترکیب‌بندی، سلسله مراتب و فونت‌ها را آموزش می‌دهند، نه صرفاً ظاهر نهایی را.

سپس با استفاده از تنظیم دقیق نظارت شده و یادگیری تقویتی (تنظیم مکرر بر اساس بازخورد)، نظرات طراحان حرفه‌ای اضافه شده است. در ارزیابی‌های داخلی، طراحان و ده‌ها محقق بیش از ۲۵ هزار جفت تصویر را مقایسه کردند و در صورت اختلاف بین امتیاز خودکار و قضاوت طراحان، نظر طراحان ملاک قرار گرفت.

فشار هزینه‌ها و مقیاس‌پذیری

دلیل اصلی این اقدام، هزینه‌ها است. رسانه استرالیایی Startup Daily به نامه‌ای از مدیرعامل Canva، ملانی پرکینز، در ماه اوت اشاره کرده است که در آن گفته شده Canva “بیش از حد به مدل‌های پیشرفته” یعنی مدل‌های برتر ارائه‌دهندگان بزرگی مانند OpenAI و Google متکی بوده است، که هزینه خدمات هر وظیفه هوش مصنوعی را بسیار بالا برده است. Canva همچنین پیش‌بینی رشد درآمد خود را از ۳۰ درصد به ۲۰ درصد کاهش داده است. درآمد فصل ژوئن ۹۲۱.۹ میلیون دلار بوده که ۲۵.۲ درصد نسبت به سال قبل افزایش داشته و کمتر از هدف تعیین شده در ابتدای سال بوده است.

همین گزارش اشاره کرده است که مدل‌های داخلی Canva هزینه خدمات هر وظیفه هوش مصنوعی را ۹۰ درصد کاهش داده و هزینه تصاویر را ۳۰ برابر و هزینه ویدئوها را ۱۷ برابر نسبت به مدل‌های پیشرفته ارزان‌تر کرده است. اما این ارقام مربوط به مدل‌های موجود مانند Lucid Origin از Leonardo است، نه Craft.

Canva اعلام کرده است که تیم این شرکت با استفاده از “تقطیر مدل” (یادگیری مدل‌های کوچک از مدل‌های بزرگ)، مراحل محاسباتی تولید تصویر توسط Craft را به بخش کوچکی از حالت اولیه کاهش داده و موتور استنتاج خود را ساخته است که مرحله برنامه‌ریزی را حدود یک مرتبه سریع‌تر از اولین نسخه داخلی کرده است. با این حال، هزینه خود Craft تا زمان عرضه دو نسخه ارزان‌تر “Craft-fast” و “Craft-ultrafast” که قرار است “به زودی” عرضه شوند، مشخص نخواهد شد.

مقیاس‌پذیری نیز فشار دیگری است. Canva بیان کرده است که بیش از ۲۵۰ میلیون نفر از این پلتفرم استفاده می‌کنند و بیش از ۴۰۰ طرح در هر ثانیه، و بیش از ۱ میلیارد طرح در ماه تولید می‌شود. حتی چند سنت اختلاف در هزینه هر تصویر، با این حجم قابل توجه خواهد بود. Leonardo.ai، استارتاپ هوش مصنوعی مولد سیدنی که در سال ۲۰۲۴ توسط Canva خریداری شد، محققانی در توسعه Craft داشته است. طبق معرفی Canva Research، این آزمایشگاه داخلی بیش از ۱۶۰ دانشمند و مهندس تحقیقاتی دارد و بخشی از بخش هوش مصنوعی با حدود ۴۰۰ نفر است.

ارزیابی بازار سرمایه

بازار سرمایه نیز این موضوع را زیر نظر دارد. رسانه استرالیایی SmartCompany گزارش داده است که ارزیابی‌های خارجی که توسط سرمایه‌گذاران اولیه Canva، Blackbird و Airtree سفارش داده شده، ارزش Canva را ۱۷ درصد کاهش داده و به ۳۴.۹ میلیارد دلار رسانده است، در حالی که اوج آن در سال ۲۰۲۵، ۴۲ میلیارد دلار بود. ارزش‌گذاری سهام کارکنان سالانه خود Canva نیز از ۳۸.۹ میلیارد دلار به حدود ۳۱ میلیارد دلار کاهش یافته است.

Canva با استناد به رتبه‌بندی DesignArena، ادعا کرده است که Craft در بدو ورود به لیست، رتبه چهارم را در بین تمامی مدل‌های تولید تصویر کسب کرده و Canva را “دومین آزمایشگاه پیشرو در جهان در زمینه تولید تصویر” معرفی کرده است.

DesignArena یک وب‌سایت ارزیابی طراحی است که بر اساس رأی‌گیری کورکورانه کاربران رتبه‌بندی می‌کند. در ارزیابی‌های جزئی، Craft در بخش پرتره (۸۷ مدل) و منظره طبیعی (۸۵ مدل) رتبه اول، در بخش طرح‌های انتزاعی رتبه دوم و در بخش محصولات رتبه چهارم را کسب کرده است.

با این حال، این نتایج توسط خود Canva ارائه شده و مربوط به زمان ورود به لیست و با تعداد رأی کم است و ممکن است در آینده تغییر کند. همچنین، قیمت‌ها هنوز اعلام نشده‌اند و دو نسخه ارزان‌تر و MCP هنوز راه‌اندازی نشده‌اند. در حال حاضر، تنها Craft اصلی در Dream Lab و API عمومی در دسترس است.