Na konferencji Google I/O 2024 firma Google zaprezentowała swoje najnowsze modele tworzenia multimediów oparte na sztucznej inteligencji, Veo i Imagen 3. Veo zaprojektowano z myślą o tworzeniu wysokiej jakości filmów w rozdzielczości 1080p, natomiast Imagen 3 to najnowsza platforma firmy do przetwarzania tekstu na obraz. Modele te mają na celu konkurować z modelem wideo Sora i Dall-E 3 OpenAI, które zyskały na znaczeniu w mediach generowanych przez sztuczną inteligencję.
Zaawansowane możliwości Veo
Według Google Veo posiada zaawansowaną wiedzę na temat języka naturalnego i semantyki wizualnej, dzięki czemu może tworzyć filmy trwające ponad minutę. Sztuczna inteligencja może zrozumieć techniki filmowe, takie jak timelapse, i symulować fizykę świata rzeczywistego. Veo może generować filmy na podstawie tekstu, obrazu i podpowiedzi wideo, co pozwala na wszechstronną gamę kreatywnych wyników. Dyrektor generalny Google DeepMind, Demis Hassabis, wspomniał, że wyniki wideo można udoskonalić za pomocą dodatkowych podpowiedzi, usprawniając proces twórczy.
Aby zademonstrować możliwości Veo, Google nawiązał współpracę z Donald Glover i jego studio kreatywne Gilga. W filmie promocyjnym Glover i jego zespół korzystają z podpowiedzi tekstowych, aby wygenerować sceny takie jak przyjazd kabrioletu do europejskiego domu czy żaglówka płynąca po oceanie. Glover podkreśla, że rdzeniem tych narzędzi jest opowiadanie historii, sugerując, że dzięki takiej technologii każdy może zostać reżyserem.
[treść osadzona]
Przyszłość Veo w tworzeniu treści
Google bada dodatkowe funkcje, które umożliwią Veo tworzenie scenorysów i dłuższych scen. Firma zaprasza wybranych filmowców i twórców do eksperymentowania z modelem w celu ustalenia, w jaki sposób może on najlepiej wspierać twórców. Niektóre funkcje Veo będą dostępne dla wybranych twórców w ramach prywatnego podglądu w VideoFX. Google planuje w przyszłości dodać niektóre funkcje Veo do YouTube Shorts.
Obraz 3 usprawnia generowanie tekstu na obraz
Obraz 3, najnowszy produkt Google model zamiany tekstu na obraz zapewnia wyższą jakość i bardziej szczegółowe, fotorealistyczne obrazy z mniejszą liczbą artefaktów. Google twierdzi, że Imagen 3 obsługuje tekst skuteczniej niż jego poprzednicy i może zarządzać złożonymi szczegółami za pomocą rozszerzonych podpowiedzi. Oczekuje się, że model będzie silnym konkurentem dla Dall-E 3 firmy OpenAI, który jest dobrze znany ze swoich możliwości w zakresie obrazów generowanych przez sztuczną inteligencję.
Muzyczna piaskownica AI dla artystów nagrywających
Oprócz Veo i Imagen 3 firma Google wprowadziła Music AI Sandbox, zestaw narzędzi przeznaczonych dla artystów nagrywających, pomagających w tworzeniu piosenek i beatów. Artyści tacy jak Wyclef Jean i Bjorn współpracują z Google przy testowaniu tych narzędzi. W Music AI Sandbox przygotowano już kilka intrygujących demonstracji, chociaż szczegółowe informacje są ograniczone.
[osadzone treści]
Nowe narzędzia Google AI odzwierciedlają znaczne inwestycje firmy w technologię sztucznej inteligencji, których celem jest przewodzenie kolejny znaczący postęp w informatyce. Usługa Veo jest obecnie dostępna w ramach narzędzia Google VideoFX dla wybranych twórców i wkrótce zostanie zintegrowany z YouTube Shorts i innymi usługami. W ciągu ostatnich kilku lat Google wyprodukowało kilka modeli generowania wideo, w tym Phenaki, Imagen Video i Lumiere.
Konkurencja z OpenAI
OpenAI już prezentuje ofertę własny generator wideo AI Sora do Hollywood i planuje udostępnić go publicznie jeszcze w tym roku. OpenAI może udostępnić model Sora bezpośrednio w aplikacjach do edycji wideo, takich jak Adobe Premiere Pro. Ten konkurencyjny krajobraz podkreśla szybką ewolucję i rosnące znaczenie sztucznej inteligencji w tworzeniu mediów.
