تصور کنید ابزاری دارید که کیفیت ویدیوهای قدیمی شما را بالا میبرد، اما برخلاف اکثر سرویسها، نه هزینهای دارد و نه دادههای شما را به سروری میفرستد. این دقیقاً همان چیزی است که توسعهدهنده SquishyFile با انتقال پردازشها به مرورگر کاربر محقق کرده است. در حالی که اکثر پردازشهای ویدیو با رزولوشن بالا به زیرساختهای گرانقیمت GPU در ابر متکی هستند، این ابزار کاملاً روی سختافزار محلی کاربر اجرا میشود. این تغییر معماری هزینههای سرور را حذف کرده و اجازه میدهد ابزار بدون هیچگونه محدودیت در استفاده، رایگان باقی بماند.
زمینه اقتصادی
بسیاری از ابزارهای رسانهای مبتنی بر هوش مصنوعی برای کار کردن به واحد پردازش گرافیکی (GPU) — که مثل موتور قدرتمند یک ماشین مسابقهای برای پردازشهای سنگین است — در ابرهای رایانشی از طریق ارائهدهندگانی مانند AWS یا RunPod متکی هستند. طبق گزارش منتشرشده در ۱۱ سپتامبر ۲۰۲۶ در وبسایت dev.to، مدلهای ابری برای سرویسهای رایگان توجیه اقتصادی ندارند؛ زیرا تنها چند ده کاربر همزمان میتوانند صورتحساب سرورهای GPU را به رقمی نجومی برسانند که ارزش ابزار را به کلی از بین میبرد. ارتقای کیفیت ویدیو (Upscaling) بهطور ویژهای مصرف GPU را بالا میبرد و همین موضوع، هزینههای ابری را به یک مانع اصلی تبدیل میکند.
همانطور که در تحلیلهای قبلی ما دربارهی رایانش لبه اشاره کردیم، انتقال مدل به مرورگر باعث میشود بار محاسباتی مستقیماً روی دوش سختافزار کاربر بیفتد. این رویکرد در واقع پاسخی به این پرسش است که آیا پردازش محلی در مرورگر میتواند جایگزین آپلود ویدیو در سرور شود و چگونه میتواند محدودیتهای زیرساختی را دور بزند. در نتیجه، توسعهدهنده دیگر نیازی به داشتن سرور پردازش ویدیو در سمت خود ندارد و نیاز به پرداخت هزینههای ماهانه برای زمان GPU برای یک ابزار رایگان از بین میرود.
اما مسیر رسیدن به این نتیجه، برخلاف ویدیوهای تبلیغاتی شبکههای اجتماعی، اصلاً ساده نبود. سازنده این ابزار اشاره میکند که کدنویسی حسی (Vibe Coding) — یعنی همان تصور رایج که با یک جمله توصیفی، محصول نهایی آماده شود و فرد دو ساعت بعد برگردد و محصول را تحویل بگیرد — یک توهم است.
ابزارها و گردش کار هوش مصنوعی
توسعهدهنده برای این پروژه عمدتاً از DeepSeek به دلیل هزینه پایین آن استفاده کرد، هرچند اشاره کرد که Claude Code در مدیریت منطقهای پیچیده عملکرد بهتری داشت. در حالی که DeepSeek به او اجازه داد تا سریعاً بخشهای اولیه را راهاندازی کند، اما فرآیند توسعه با چرخهای از «پسرفت» (Regression) همراه بود؛ به این معنا که رفع یک باگ، اغلب باعث ظاهر شدن باگی جدید میشد، یا اصلاحی که برای یک ویدیو خاص انجام میشد، باعث خراب شدن ویدیوهای دیگر میشد. این چالشها با تجربیات بسیاری از کاربران در تلهی توهمات کدنویسی AI همسو است که در آن عیبیابی کدها به جای ساده شدن، پیچیدهتر میشود.
جزئیات فنی و موانع
ساخت این ابزار مستلزم غلبه بر چندین مانع فنی بود که ذاتاً در اجرای کد در محیط مرورگر وجود دارند:
- تنوع سختافزاری: کد باید روی طیف وسیعی از GPUها، ظرفیتهای مختلف حافظه و مرورگرهای گوناگون، از دسکتاپهای قدرتمند گرفته تا لپتاپهای معمولی، بدون خطا اجرا شود.
- محدودیتهای حرارتی دستگاه: پردازش فایلهای سنگین ویدیو باعث میشد برخی لپتاپها پس از چند دقیقه کار، بهشدت داغ شوند.
- ناپایداری فرمتها: توسعهدهنده با باگهای مکرری مواجه شد که در آن ویدیوهای خروجی میچرخیدند، رنگها دچار اعوجاج میشدند یا نسبت ابعاد (Aspect Ratio) آنها بههم میریخت.
- تأیید بصری: چون صرفاً «اجرا شدن» کد به معنای «درست کار کردن» آن نیست، توسعهدهنده مجبور بود به صورت دستی بررسی کند که آیا نتیجه نهایی شبیه به ویدیو اصلی است یا خیر.
عیبیابی این ابزار بهویژه دردناک بود. گردش کار به یک چرخه تکراری تبدیل شده بود: نوشتن کد، اجرا، یافتن بخش خراب، توضیح آن برای هوش مصنوعی و تغییر مجدد کد. این فرآیند تکرارشونده نزدیک به یک هفته به طول انجامید.
چالشهای توسعه
در چندین مقطع، توسعهدهنده بهطور جدی فکر کرد که رویکرد مرورگر را رها کند و پردازش را به سرور منتقل کند. اگرچه استفاده از سرور برخی مسائل را سادهتر میکرد، اما هزینههای جاری برای یک ابزار رایگان منطقی نبود.
برخی از باگها ساده و مستقیم بودند، اما برخی دیگر نیازمند جلسات طولانی پرسش و پاسخ با هوش مصنوعی بودند تا علت واقعی مشکل پیدا شود. در برخی موارد، توسعهدهنده خودش مشکل را پیدا کرد و دستورالعملهای دقیقی به هوش مصنوعی داد تا آن را اصلاح کند.
این پروژه یک حقیقت حیاتی را درباره وضعیت فعلی توسعه با کمک هوش مصنوعی برملا میکند: هوش مصنوعی مشکل را حذف نمیکند، بلکه فقط آن را برای یک توسعهدهنده تکنفره «قابل حل» میکند. در واقع هوش مصنوعی اسکلتبندی (Scaffolding) را ساخت، اما نظارت سختگیرانه، تأیید نهایی و کنترل کیفیت بر عهده انسان بود.
برای کاربر نهایی، این معماری به معنای حریم خصوصی مطلق و نبود هزینه است، زیرا هیچ دادهای از ویدیو هرگز از دستگاه کاربر خارج نمیشود. برای توسعهدهنده نیز، این به معنای یک مدل کسبوکار پایدار برای یک ابزار رایگان است.
اگر ویدیوهای کمکیفیت یا ویدیوهایی دارید که توسط پلتفرمهای اجتماعی فشرده شدهاند، اکنون میتوانید این رویکرد «اول-محلی» را در پلتفرم SquishyFile آزمایش کنید.
گام بعدی شما
- اگر توسعهدهنده هستید، به جای تکیه بر توصیفات کلی، از مدلهای استدلالی برای حل باگهای زنجیرهای استفاده کنید.
- برای کاهش هزینههای زیرساخت، امکان اجرای مدلهای کوچک در مرورگر (Client-side AI) را بررسی کنید.
- در پروژههای رسانهای، حتماً یک مرحله تأیید بصری (Visual QA) انسانی در کنار خروجیهای AI قرار دهید.
اما داستان سختافزاری این تحول حتی شگفتانگیزتر است — به تحلیل ما دربارهی تراشههای Blackwell مراجعه کنید.
گفتگو