近幾個月來，人工智能 (AI) 文本到圖像生成器一直是頭條新聞，但研究人員已經轉向下一個前沿領域：人工智能驅動的文本到視頻生成器。 據 The Verge 報導，元研究人員已經公開展示了這樣一種新的生成器。
Meta的機器學習工程團隊 呈現 一個名為 Make-A-Video 的新系統。 該 AI 模型允許用戶輸入場景的粗略描述，並生成與其文本相匹配的短視頻。 這些視頻顯然是人造的，具有模糊的對象和扭曲的動畫，但仍然是人工智能內容生成領域的一項重大成就。
在他的帖子中 Facebook Meta 首席執行官馬克扎克伯格將這項工作描述為“驚人的進步”，並補充說：“視頻比照片更難製作，因為除了正確生成每個像素外，系統還必須預測它們將如何隨時間變化。”
剪輯持續時間不超過五秒鐘，不包含聲音，但涵蓋了大量線索。 雖然很明顯視頻是計算機生成的，但此類 AI 模型的質量將在不久的將來迅速提高。 在短短幾年內，AI 圖像生成器已經從創建幾乎難以理解的圖片轉變為逼真的內容。 儘管鑑於主題領域幾乎無限的複雜性，視頻的進展可能會較慢，但無縫視頻生成獎將激勵許多組織和公司在該項目中投入大量資源。
該公司表示計劃發布該系統的演示版本，但沒有說明何時或如何實施。 在一篇描述該模型的論文中，Meta 研究人員指出，Make-A-Video 是在圖像-字幕對以及未標記的視頻片段上進行訓練的。
培訓內容來自兩個數據集 WebVid-10M 和 HD-VILA-100M，它們共同包含數百萬個視頻，跨越數十萬小時的視頻片段。 順便說一句，這包括股票錄像。
研究人員指出，除了模糊的幀和分散的動畫外，該模型還有許多技術限制。 Make-A-Video 以 16×64 像素的分辨率輸出 64 幀視頻，然後使用單獨的 AI 模型將其大小調整為 768×768 像素。
你可以幫助烏克蘭對抗俄羅斯侵略者。 最好的方法是通過以下方式向烏克蘭武裝部隊捐款 拯救生命 或通過官方頁面 NBU.
也很有趣：