מחוללי טקסט לתמונה של בינה מלאכותית (AI) עלו לכותרות בחודשים האחרונים, אבל החוקרים כבר עברו לגבול הבא: מחוללי טקסט לווידאו המופעלים על ידי בינה מלאכותית. חוקרי מטא הציגו בפומבי מחולל חדש שכזה, מדווח The Verge.
צוות הנדסת למידת מכונה של Meta מוצג מערכת חדשה בשם Make-A-Video. מודל AI זה מאפשר למשתמשים להזין תיאור גס של הסצנה, והוא יוצר סרטון קצר שתואם את הטקסט שלהם. הסרטונים מלאכותיים בעליל, עם אובייקטים מטושטשים ואנימציות מעוותות, אך עדיין מהווים הישג משמעותי בתחום יצירת תוכן בבינה מלאכותית.
בפוסט שלו על Facebook מנכ"ל Meta, מארק צוקרברג, תיאר את העבודה כ"התקדמות מדהימה", והוסיף: "וידאו הרבה יותר קשה ליצירה מתמונות, מכיוון שבנוסף להפקה נכונה של כל פיקסל, על המערכת גם לחזות כיצד הם ישתנו לאורך זמן".
הקליפים נמשכים לא יותר מחמש שניות ואינם מכילים צליל, אך מכסים מגוון עצום של רמזים. למרות שברור שהסרטון נוצר ממוחשב, האיכות של דגמי AI כאלה תשתפר במהירות בעתיד הקרוב. בתוך שנים ספורות, מחוללי תמונות AI הפכו מיצירת תמונות כמעט בלתי מובנות לתוכן פוטוריאליסטי. ולמרות שההתקדמות בווידאו עשויה להיות איטית יותר לאור המורכבות הכמעט בלתי מוגבלת של תחום הנושא, הפרס ליצירת וידאו חלקה יניע ארגונים וחברות רבות להשקיע משאבים משמעותיים בפרויקט.
החברה אומרת שהיא מתכננת לשחרר גרסת דמו של המערכת, אך לא אמרה מתי או כיצד היא תיושם. במאמר המתאר את המודל, חוקרי Meta מציינים ש-Make-A-Video מאומן על צמדי כיתוב תמונה כמו גם קטעי וידאו ללא תווית.
תוכן ההדרכה נגזר משני מערכי נתונים, WebVid-10M ו-HD-VILA-100M, המכילים יחד מיליוני סרטונים ומתפרשים על פני מאות אלפי שעות של צילומי וידאו. אגב, זה כולל צילומי מלאי.
החוקרים מציינים שלדגם יש מגבלות טכניות רבות, בנוסף לפריימים מטושטשים והנפשות מפוזרות. Make-A-Video מוציא 16 פריימים של וידאו ברזולוציה של 64×64 פיקסלים, שגודלם משתנה באמצעות דגם AI נפרד ל-768×768 פיקסלים.
אתה יכול לעזור לאוקראינה להילחם נגד הפולשים הרוסים. הדרך הטובה ביותר לעשות זאת היא לתרום כספים לכוחות המזוינים של אוקראינה באמצעות הצלת חיים או דרך העמוד הרשמי NBU.
מעניין גם: