A GNIT Észak-Amerika online megbeszélést tartott a szövegből videóra átíró modell AI-ról

Január 2-án a GNIT Észak-Amerika tagjai a szövegből videóra átíró modell AI-járól tárgyaltak, különös figyelmet fordítva az OpenAI által kifejlesztett Sorára. Az OpenAI bemutatta az új szövegből videóra író AI-t, amely jelentős előrelépést jelent a generatív mesterséges intelligenciában. Az előző modellekre építve ez az AI fokozott realizmust, javított kreatív kontrollt és integrált audio funkciókat kínál, így hatékony eszközzé válik a készítők és fejlesztők számára. A rendszer rövid videoklippek generálására képes szöveges utasítások alapján, átalakítva az írásos leírásokat magas minőségű videótartalommá élethű mozgással, pontos fizikával és szinkronizált audióval, beleértve a párbeszédet és a hanghatásokat.

Figyelemre méltó jellemző, hogy a felhasználók digitális hasonmásukat beilleszthetik videókba arcfelismerés és hangmintavételezés révén, egyedi és személyre szabott élményt kínálva. A modell különböző kreatív stílusokat is támogat, a filmes és fotorealisztikus stílustól az animált és szürreálisig, széles canvasként szolgálva a meséléshez.

A modellhez egy társalkalmazás is tartozik, amely jelenleg iOS-en érhető el, meghívásos alapon az Egyesült Államokban és Kanadában. Az alkalmazás a TikTok-stílusú platformként működik, ahol a felhasználók AI által generált videókat hozhatnak létre, oszthatnak meg és fedezhetnek fel. Emellett tartalmaz adatvédelmi beállításokat is, lehetővé téve a felhasználók számára, hogy kezeljék, ki használhatja digitális hasonmásukat, és értesítéseket kapjanak, amikor a képüket vagy hangjukat új tartalomba beillesztik.

A képességei ellenére ez az AI etikai megfontolásokat vet fel, különösen az utánzás és a deepfake tartalom körül. Az OpenAI biztosítékokat vezetett be a visszaélések megakadályozására, beleértve a kifejezetten obszcén, erőszakos, szélsőséges vagy öngyilkossággal kapcsolatos tartalomra vonatkozó korlátozásokat. Azonban a tartalommoderálás során kihívások merülnek fel, és elhanyagolt esetekről számoltak be, amelyek hangsúlyozzák a gondos felügyelet iránti folyamatos igényt.

Az AI jelenleg a ChatGPT Plus és Pro felhasználók számára hozzáférhető, a közeljövőben pedig szélesebb körű elérhetőséget terveznek egy API-n keresztül. A társalkalmazás fokozatosan több iOS felhasználó számára lesz elérhető, ahogy az OpenAI tovább javítja mind a modellt, mind annak alkalmazásait, egyensúlyt teremtve az innováció és a felelős használat között. Összességében ez az új AI jelentős előrelépést jelent a szövegből videóra technológiában, a realizmust, a személyre szabást és a kreatív rugalmasságot ötvözve egy olyan módon, amely képes átalakítani a tartalomkészítést több iparágban.