To kwestia czasu, wszyscy o tym wiemy. Generowanie wideo za pomocą sztucznej inteligencji znajduje się na podstawowym, niemal prymitywnym poziomie… ale to samo mówiono o generowaniu obrazów rok temu, a dziś nie możemy przestać korzystać z tych algorytmów. Niedawno firma Runway udostępniła teaser na YouTube i Twitterze, zapowiadając możliwości swojego narzędzia Text to Video. Demo wygląda bardzo dobrze… ale czego możemy się spodziewać w prawdziwym życiu?
Generowanie obrazów za pomocą sztucznej inteligencji może dawać ogromne różnice w zależności od użytego algorytmu, ale ogólnie rzecz biorąc, wszystkie działają w ten sam sposób: najpierw opisujemy, czego chcemy (portret, krajobraz itp.), a następnie dodajemy elementy drugorzędne, które służą jako wpływ lub źródło inspiracji, takie jak nazwisko artysty, konkretny gatunek, styl malarski, a nawet nazwa aparatu fotograficznego.
A teraz wyobraźmy sobie to podczas tworzenia wideo. Wchodzimy do edytora i prosimy o miasto z dużym ruchem. Następnie prosimy o taksówkę wbitą w sygnalizator, a na koniec powód wypadku: gigantyczny dinozaur biegnący obok. Oczywiście, ekspert od edycji wideo może to dziś zrobić przy odpowiednim budżecie, ale ludzie z Runway sugerują, że każdy użytkownik mógłby w przyszłości uzyskać podobne wyniki dzięki ich nowemu narzędziu, Text to Video:
Runway Text to Video: tworzenie wideo za pomocą sztucznej inteligencji i tekstu
Ulica miasta, kinowy filtr, latarnia, która znika jak za dotknięciem czarodziejskiej różdżki. Piękny ogród, wiele obrazów, dynamiczne wstrzykiwanie tekstu. Zielona postać, rozmyte tło w czasie rzeczywistym i szczypta Roberta Capy jako przyprawa. Teaser jest krótki, ale obiecuje wiele i pomaga nam zdefiniować wizję Runway. Zamiast trenować niezależny algorytm o swobodnym dostępie, firma wydaje się dążyć do stworzenia bardziej zaawansowanego edytora z zintegrowaną funkcją tekst-na-wideo.
Jeśli chcesz wziąć udział we wczesnym dostępie, wystarczy odwiedzić oficjalną stronę i wypełnić formularz. Jednak to wszystko rodzi pytanie: Jak wytrenują taki model? Obecnie nie ma nic podobnego do LAION-5B dla wideo, a wymagany poziom przetwarzania jest ogromny. Będziemy czekać…
Źródła: Runway, Ars Technica
