Google Cloud представила Veo, модель створення відео, і Imagen 3, передовий інструмент для створення зображень, на своїй платформі Vertex AI. Veo, наразі в приватному попередньому перегляді, створює високоякісні відео з текстових або графічних підказок. Це дозволяє підприємствам ефективно створювати реалістичні та послідовні відеоматеріали, скорочуючи час і витрати на виробництво.
«Veo, тепер доступний на Vertex AI у режимі приватного попереднього перегляду, дозволяє компаніям легко створювати високоякісні відео з простих текстових або графічних підказок. Як перший гіпермасштабувальник, який пропонує модель зображення-відео, ми допомагаємо компаніям перетворювати їхні існуючі креативні ресурси на динамічні візуальні ефекти», — йдеться у повідомленні компанії у своєму блозі.
Imagen 3, тепер загальнодоступний, пропонує створення фотореалістичного зображення з покращеною деталізацією та зменшенням візуальних артефактів порівняно з попередніми версіями. Imagen 3 містить інструменти редагування та параметри налаштування, що дозволяє компаніям узгоджувати вихідні дані з вимогами бренду.
Такі компанії, як Mondelez International і WPP, використовують ці моделі для прискорення створення контенту. Mondelez використовувала Imagen 3 для маркетингових кампаній і планує застосувати Veo для виробництва відео.
WPP інтегрує ці інструменти у свою платформу на базі штучного інтелекту WPP Open, щоб покращити творчі робочі процеси. Agoda, цифрова туристична платформа, експериментує з цими технологіями, щоб розробити персоналізовані візуальні ефекти для рекламних акцій.
Veo, розроблений компанією Google DeepMind, містить такі функції безпеки, як цифрові водяні знаки, фільтри безпеки та заходи керування даними.
Раніше Google оголосив, що протягом найближчих місяців YouTube збирається розгорнути передові генеративні інструменти штучного інтелекту для творців, які дозволять їм створювати відеоконтент за допомогою моделей штучного інтелекту Veo та Imagen 3 за допомогою функції під назвою Dream Screen.
Сора привертає увагу з неправильних причин
Тим часом популярний інструмент OpenAI для перетворення тексту у відео Sora нещодавно став предметом розмов в Інтернеті через недавній витік інформації на Hugging Face. API Sora просочився та став доступним для деяких виконавців на ранніх стадіях тестування.
Однак незабаром після витоку інструменту сторінка Hugging Face, здавалося, не працює з помилкою 502 через великий трафік. Компанія досить швидко дізналася про цей інцидент і закрила доступ через три години після відкриття. OpenAI ще не випустила Sora офіційно.
Велика конкуренція: Зі зростанням і впливом інших інструментів, таких як Runway, Pika Midjourney і KlingAI за останній рік, творцям стало важко згадувати можливості Sora.
Нещодавно Runway співпрацювала з провідною розважальною та медіакомпанією Lionsgate для розробки індивідуальних версій Gen-3 Alpha. На відміну від OpenAI, Runway також зробив Gen-3 Alpha доступним для всіх користувачів, хоча модель залишається на основі підписки.
Meta також нещодавно представила свою модель генерації відео, Movie Gen, модель параметрів 13B, призначену для генерації відео та тексту в аудіо. Його основні функції включають створення відео з тексту, редагування відео з текстом, створення персоналізованих відео та створення звукових ефектів. Модель поки що не є загальнодоступною.
Китай також скористався цією можливістю, щоб стати головним конкурентом, перевершивши можливості кількох існуючих платформ. Kuaishou, китайський конкурент TikTok, цього року запустив свій потужний відеоінструмент зі штучним інтелектом Kling, який користувачі прийняли як пряму альтернативу Sora. Tencent також випустила модель створення відео HuanYuan 13B з відкритим кодом.
(З коментарями Санджани Гупти, журналіста AIM)