Przy użyciu nowego narzędzia można także edytować istniejące materiały i udźwiękawiać je. Czy to kolejny gwóźdź do trumny dla branży filmowej?
W lutym OpenAI, potentat technologiczny prowadzony przez Sama Altmana, wszedł w nowy etap swojej działalności. Firma od dłuższego czasu bada potencjał generatywnej AI. Jej modele, korzystając ze sztucznych sieci neuronowych, mogą szybko i sprawnie tworzyć rozmaite treści na podstawie podpowiedzi użytkownika. ChatGPT wejdzie z nami w długą rozmowę, zredaguje istniejący tekst albo ułoży od podstaw zupełnie nową wypowiedź. DALL·E wygeneruje obrazki o dowolnej tematyce i stylu, zaś Jukebox – skomponuje muzykę. Sora, czyli nowość w portfolio przedsiębiorstwa, ma z kolei zrewolucjonizować produkcję form wideo.
Sora. Duże wrażenie mimo halucynacji
Zadanie postawione przed modelem jest o tyle trudne, że w filmach liczy się naturalność i płynność ruchu. Nie chodzi zatem jedynie o wygenerowanie kadrów, ale też o ich połączenie w sposób, który nie zniekształci percepcji widza. Jak wynika z pierwszych materiałów udostępnionych przez OpenAI, Sora radzi sobie na tym polu całkiem nieźle. Zdarza jej się halucynować, czyli zniekształcać obrazy. Wypluwa wtedy wizerunki ludzi o trzech rękach, mechanicznie ruszające się drzewa albo zastygłe w bezruchu zwierzęta. Mimo to rezultaty tego, jak odczytuje prompty, i tak robią duże wrażenie. W kuluarach zaczęto szeptać o tym, że niektórzy reżyserzy powinni już zwijać manatki i ustąpić jej miejsca.
Oddech na plecach
Sorę na razie testują ją tzw. red teamerzy (specjaliści ds. testów penetracyjnych), żeby określić, czy produkt jest zdatny do bezpiecznego użytkowania. Znalazł się także w rękach przedstawicieli branży kreatywnej. Ci weryfikują, czy zautomatyzowane generowanie wideo przyda im się w codziennej pracy. Kiedy zaś narzędzie trafi do szerszego obiegu? Tego jeszcze nie wiadomo, ale możliwe, że OpenAI będzie musiało przyspieszyć swoje plany. Sorze niepostrzeżenie wyrósł bowiem poważny konkurent.
Miał pomóc, a tylko sieje zamęt. Asystent AI antagonistą w horrorze Afraid
Movie Gen. Napisz tekst, a pojawi się wideo
Wkrótce usługę generowania obrazów zaoferuje Meta, do której dziś należą m.in. Facebook, Instagram, Threads czy WhatsApp. Oczko w głowie Marka Zuckerberga od lat śmiało eksperymentuje ze sztuczną inteligencją. Teraz chce podbić rynek wideo z Movie Gen. Jak łatwo się domyślić, rdzeniem funkcjonowania narzędzia jest generowanie wideo na podstawie podpowiedzi tekstowych. Podobnie jak w przypadku Sory, mogą dotyczyć nie tylko ukazywanego obiektu, ale też jego motoryki oraz ruchu kamery. Aby sprostać oczekiwaniom użytkownika, model bazuje na repozytorium 30 miliardów parametrów. Stworzone przez niego materiały mają maksymalną długość 16 sekund oraz klatkaż 16 FPS.
Witamy w sferze audio
Poza tym Movie Gen będzie oferować dodatkowe opcje. Pierwsza z nich to personalizacja wideo, polegająca na łatwiejszym i wydajniejszym generowaniu treści z wizerunkiem konkretnej osoby. Druga polega na edycji istniejących materiałów bez utraty ich jakości. W tle przewija się niechciana postać, kolor rekwizytów nie jest wystarczająco wyrazisty albo trzeba wypełnić czymś puste pomieszczenie? Zmiany wewnątrz poszczególnych kadrów dokonamy za pomocą paru kliknięć. Prawdziwym gamechangerem wydaje się być jednak coś jeszcze innego: synchronizacja obrazu z generatywną ścieżką audio. Narzędzie skomponuje instrumentalną muzykę, odgłosy otoczenia oraz tzw. foley – efekty dźwiękowe.
Meta poszła śladem OpenAI i nie ogłosiła jeszcze oficjalnej daty premiery oprogramowania. Kiedy to się stanie, zapanuje pewnie generatywny wyścig zbrojeń.
