El campo de los videos con IA generativa está bastante en auge ahora, pero todos están atascados en un cuello de botella común: los costos de almacenamiento son demasiado altos, la velocidad de acceso a los datos no es suficiente y la protección de la privacidad del usuario sigue siendo un gran problema.

Recientemente vi un caso interesante. La plataforma de videos con IA generativa Everlyn ha puesto su mirada en el almacenamiento descentralizado, eligiendo Walrus como capa de datos central, rompiendo directamente con estas dificultades del sector. Esta profunda integración de IA y almacenamiento distribuido es realmente digna de atención.

¿En qué radica la ventaja competitiva de Everlyn? Su modelo Everlyn-1 puede convertir una imagen estática en un video de alta calidad en 16 segundos, una velocidad que supera ampliamente a plataformas como Midjourney. El soporte técnico detrás de esto no sería posible sin la ayuda de Walrus.

Esta colaboración no es pequeña. Everlyn ya ha migrado más de 5000 videos de sus usuarios, con resoluciones de 480p a 720p, a Walrus, y planea transferir todos los conjuntos de datos de entrenamiento, puntos de control del modelo y cachés KV que actualmente están en AWS y Azure, con un volumen total que supera los 50GB. Para una plataforma de generación de videos con IA, esto es un movimiento importante.

¿Y por qué hacen esto? Por los costos. El costo de almacenamiento de los datos de entrenamiento determina directamente el precio del servicio. La tecnología de codificación de corrección de errores en 2D Red-Stuff que usa Walrus puede reducir los costos de almacenamiento a mínimos en la industria, permitiendo que Everlyn mantenga una generación rápida y, al mismo tiempo, reduzca la barrera de entrada para los creadores.

Y hay un detalle más: la solución de almacenamiento en lotes Quilt. El proceso de generación de videos produce una gran cantidad de archivos fragmentados pequeños, y esta solución puede manejarlos perfectamente, logrando un procesamiento en lote eficiente y un acceso rápido, garantizando la actualización en tiempo real del modelo. Parece una solución completa.