A Runway új neurális hálózati modellt indít el videók készítéséhez szöveges leírásból

A szöveget képpé alakító mesterséges intelligencia ma már valóságos mainstream, de a videóhoz hasonló neurális hálózatok csak egyre nagyobb lendületet kapnak. Ennek az iránynak az élén áll a startup Runway, amely kiadták már a második AI modell, amely több szó alapján rövid videókat generál.

A Runway webalapú videószerkesztőt kínál, amely olyan gépi tanulási eszközökre specializálódott, mint a háttér eltávolítása. Ez a cég segített kifejleszteni a Stable Diffusion szöveg-kép modellt, és februárban bejelentett az első AI videószerkesztő modellje, a Gen-1.

A Gen-1 a meglévő felvételek konvertálására összpontosított, lehetővé téve a felhasználók számára, hogy egy adott stílusú átfedést alkalmazzanak képről tekercsre. A Gen-2 modell inkább a semmiből származó videók készítésére összpontosít.

A Runway-n megosztott demók rövidek, instabilok és természetesen nem fotorealisztikusak, de még az ilyen keretek is jól ismerik a háromdimenziós tér mesterséges intelligenciáját, az arányokat és a mozgás logikáját tárgyakat.

Bár a Gen-2 nem elérhető ingyenesen, a Runway szóvivője biztosította, hogy a vállalat "széles körű hozzáférést fog biztosítani a következő hetekben".

Az ilyen mesterséges intelligencia bevezetésének kilátásai már most elriasztják a szakértőket. Végül is a neurális hálózatok a videóval való munkavégzéshez nemcsak új kreatív lehetőségeket ígérnek, hanem a dezinformáció új fenyegetéseit is.