generowanie wideo

Nie każdy produkt związany z AI umiera powoli. Czasem wystarczy kilkanaście miesięcy, aby z głośnej demonstracji technologicznej zrobić kosztowny balast. Taki los spotyka właśnie Sorę, projekt OpenAI, który miał pokazać, że tekst może zamieniać się w film równie łatwo, jak prompt w obraz. Teraz firma mówi o pożegnaniu, a rynek dostaje czytelny sygnał, że era efektownych demonstracji kończy się szybciej, niż wielu zakładało.

Czasami najbardziej interesujące funkcje AI nie pojawiają się w oficjalnych komunikatach prasowych, ale w zaszyfrowanych wpisach CEO na platformie X. Sam Altman tym razem posłużył się jedynie emoji prezentu, aby skłonić społeczność do odkrycia ukrytego easter egga w aplikacji mobilnej ChatGPT. Funkcja łączy rozpoznawanie obrazu z możliwościami generatora wideo Sora, tworząc spersonalizowane świąteczne klipy z Mikołajem. Sprawdźcie sami.

Przemysł rozrywkowy właśnie przekroczył Rubikon. Disney – firma, która przez lata broniła swojej własności intelektualnej z żelazną konsekwencją – postanowił pójść na kompromis ze sztuczną inteligencją. Miliarddolarowa inwestycja w OpenAI i trzyletnia umowa licencyjna, która oddaje ponad 200 kultowych postaci do generatora wideo Sora, to decyzja, która może zmienić oblicze branży. Pytanie brzmi: czy to strategiczny geniusz Boba Igera, a może desperacki ruch?

AI rozwija się w tempie, które jeszcze niedawno wydawało się domeną fantastyki naukowej. Szczególnie dynamiczne zmiany obserwujemy w dziedzinie generowania multimediów. Tworzenie obrazów z tekstu stało się powszechnie dostępne. Na rynku pojawiają się coraz doskonalsze narzędzia zdolne do generowania wideo na podstawie prostych poleceń. Najnowsza premiera w tej dziedzinie nie jest jednak drobnym ulepszeniem, a prawdziwym skokiem jakościowym.

Mimo rosnącej jakości i fotorealizmu jedną z największych barier w ich praktycznym wykorzystaniu do tworzenia dłuższych narracji pozostawał brak spójności. Generowane postacie często zmieniały swój wygląd między kolejnymi ujęciami, co uniemożliwiało opowiadanie historii. Jeden z liderów branży wprowadził właśnie rozwiązanie, które ma ostatecznie wyeliminować ten istotny problem i uczynić z AI pełnoprawne narzędzie filmowe.

AI w tworzeniu treści wideo wkracza na polski rynek. Google oficjalnie udostępniło w Polsce Veo 3, swój najbardziej zaawansowany model generowania filmów. W ciągu kilku sekund potrafi stworzyć profesjonalny materiał wideo ze zsynchronizowanym dźwiękiem tylko na podstawie opisu tekstowego. To rozwiązanie, dostępne dotychczas jedynie w Stanach Zjednoczonych, może zrewolucjonizować sposób tworzenia treści multimedialnych w naszym kraju.

Midjourney rozszerza swoje możliwości o funkcję generowania wideo. Nowe narzędzie pozwala animować obrazy przy użyciu sztucznej inteligencji, co otwiera przed użytkownikami zupełnie nowe możliwości twórcze. Firma zapowiada, że to dopiero początek większych zmian i rozwijania zaawansowanych technologii symulacyjnych. Nowa funkcjonalność budzi zainteresowanie, ale też pytania o prawa autorskie i przyszłość treści generowanych przez AI.

Początkowo za dość rewolucyjne mogliśmy uznać generowanie wysokiej jakości obrazów z opisów tekstowych. Logicznym następstwem było tworzenie przez odpowiednie algorytmy materiałów wideo. W drugim przypadku istotną wadą jest brak ścieżki dźwiękowej, więc mamy do czynienia z niemymi filmami. Firma Google stara się to zmienić i właśnie zaprezentowała efekty technologii V2A (video-to-audio), które już teraz są naprawdę całkiem obiecujące.

Decydując się na obejrzenie serialu na jednej z popularnych platform VOD, dość często odniesiemy wrażenie, że fabuła była "pisana na kolanie", a całość jest dosłownie żenująca. Wraz z rozwojem AI zyskujemy jednak nowe możliwości, które mogą odmienić ten obraz sytuacji. Już wkrótce to my będziemy ustalać, jak potoczy się fabuła w serialach. Nadchodzi nowość, dzięki której ta wizja ma szansę się urzeczywistnić, a jest nią tytułowa platforma Showrunner.

Tydzień bez tematu sztucznej inteligencji to tydzień stracony. Ponownie więc zaglądamy do tego segmentu technologii, aby bliżej przyjrzeć się nowości od firmy Google. Tym razem został zaprezentowany model o nazwie Lumiere, którego zadaniem jest generowanie materiałów wideo z opisów tekstowych. Jego możliwości zdają się jednak przewyższać wszystkie obecne modele i można uznać, że jest to najbardziej zaawansowane rozwiązanie, jakie do tej pory przedstawiono.