Tukar skrip menjadi video, kecerdasan buatan hanya mengambil satu langkah

Meta berkata dalam catatan blog yang mengumumkan kerja itu: "Penyelidikan AI Generatif memajukan ekspresi kreatif dengan memberi orang alat untuk mencipta kandungan baharu dengan cepat dan mudah. ​​Hanya dalam beberapa saat Dengan hanya beberapa perkataan atau beberapa baris daripada teks, Make-A-Video menghidupkan imaginasi anda, mencipta video unik yang penuh dengan warna dan pemandangan yang terang.” >Ketua Pegawai Eksekutif Meta Mark Zuckerberg menggelar kerja itu sebagai "kemajuan yang menakjubkan" di Facebook, sambil menambah: "Menjana video adalah jauh lebih sukar daripada menjana foto kerana selain menjana setiap piksel dengan betul Selain itu, sistem mesti meramalkan cara ia akan berubah dari semasa ke semasa ”

Video tidak melebihi 5 saat dan. tidak mengandungi sebarang audio, tetapi mengandungi sejumlah besar gesaan. Cara terbaik untuk menilai prestasi model adalah dengan memerhati outputnya. Walau bagaimanapun, pada masa ini tiada sesiapa dibenarkan untuk mengakses model tersebut. Ini bermakna bahawa klip ini mungkin dipilih dengan teliti oleh pembangun untuk mempamerkan sistem dalam cahaya terbaik.

Sekali lagi, walaupun video ini jelas dijana komputer, output model AI ini akan bertambah baik dengan pantas dalam masa terdekat. Sebaliknya, dalam beberapa tahun sahaja, penjana imej AI telah beralih daripada mencipta gambar tepi ke tepi yang tidak dapat difahami kepada kandungan seperti hidup. Walaupun kemajuan video mungkin perlahan disebabkan kerumitan topik yang hampir tidak terhingga, nilai penjanaan video yang lancar akan memberi inspirasi kepada banyak agensi dan syarikat untuk menumpukan sumber yang besar kepada projek itu.

Seperti model teks-ke-imej, adalah mungkin untuk mempunyai aplikasi yang berbahaya.

Dalam catatan blog yang mengumumkan Make-a-Video, Meta menyatakan bahawa alat penjanaan video boleh menjadi tidak ternilai "kepada pencipta dan artis." Tetapi, seperti corak teks ke imej, pandangannya penuh. Output alat ini boleh digunakan untuk disinformasi dan propaganda.

Meta berkata ia berharap dapat "menyampaikan pemikiran yang bernas tentang cara membina sistem AI generatif seperti itu," dan hanya menerbitkan satu kertas mengenai model Make-A-Video. Syarikat itu berkata ia merancang untuk mengeluarkan versi demo sistem, tetapi tidak menyatakan bila atau bagaimana akses kepada model itu akan dihadkan.

Perlu dinyatakan bahawa Meta bukanlah satu-satunya organisasi yang bekerja pada penjana video AI. Awal tahun ini, pasukan penyelidik dari Universiti Tsinghua dan Akademi Kecerdasan Buatan Beijing (BAAI) mengeluarkan model teks-ke-video mereka sendiri, bernama CogVideo.

Dalam kertas kerja yang menerangkan model, penyelidik di Meta menyatakan bahawa Make-A-Video dilatih pada pasangan imej dan kapsyen serta klip video yang tidak berlabel. Kandungan latihan datang daripada dua set data (WebVid-10M dan HD-VILA-100M), yang bersama-sama mengandungi berjuta-juta video yang menjangkau ratusan ribu jam rakaman. Ini termasuk klip video stok yang dibuat oleh tapak seperti Shutterstock dan dikikis daripada web.

Selain rakaman kabur dan animasi berombak, model ini mempunyai beberapa had teknikal, kata para penyelidik dalam kertas kerja mereka. Contohnya, kaedah latihan mereka tidak dapat mempelajari maklumat yang mungkin hanya boleh disimpulkan oleh manusia yang menonton video—contohnya, sama ada video gelombang tangan bergerak dari kiri ke kanan atau dari kanan ke kiri. Isu lain termasuk menjana video lebih lama daripada 5 saat, video yang mengandungi berbilang adegan dan acara serta peleraian yang lebih tinggi. Buat-A-Video pada masa ini mengeluarkan 16 bingkai video dengan resolusi 64 * 64 piksel, dan kemudian menggunakan model kecerdasan buatan yang berasingan untuk meningkatkan saiznya kepada 768 * 768.

Pasukan Meta juga menyatakan bahawa seperti semua model AI yang dilatih menggunakan data yang dikikis daripada web, Make-A-Video belajar dan berpotensi membesar-besarkan berat sebelah sosial, termasuk berat sebelah Memudaratkan. Dalam model teks-ke-imej, berat sebelah ini sering menguatkan kecenderungan sosial. Sebagai contoh, minta seseorang menjana imej "pengganas", yang mungkin menggambarkan seseorang memakai serban. Walau bagaimanapun, tanpa akses terbuka, sukar untuk mengatakan perkara yang berat sebelah yang dipelajari oleh model Meta.

Meta berkata syarikat itu "secara terbuka berkongsi penyelidikan dan hasil AI generatif ini dengan komuniti teknologi untuk mendapatkan maklum balas mereka dan akan terus menggunakan rangka kerja AI yang bertanggungjawab untuk Memperhalusi dan mengembangkan pendekatan kami untuk teknologi baru muncul ini ”

Memandangkan penjana kecerdasan buatan dalam bidang lukisan dan video menjadi semakin popular, saya percaya alat penjanaan kecerdasan buatan untuk seni lain (seperti muzik) akan muncul tidak lama lagi (mungkin sudah).

Atas ialah kandungan terperinci Tukar skrip menjadi video, kecerdasan buatan hanya mengambil satu langkah. Untuk maklumat lanjut, sila ikut artikel berkaitan lain di laman web China PHP!