Materská spoločnosť TikToku spustila AI generátor videa OmniHuman-1

Spoločnosť Bytedance už vydala dva dobré modely umelej inteligencie na prevod textu na video, ktoré konkurujú tým najlepším na svete. A teraz uviedla OmniHuman-1, nový multimodálny rámec na generovanie videa, ktorý dokáže nasnímať jeden obrázok a vytvoriť mimoriadne sofistikované video s pripojeným zvukom. Tento model je výnimočný svojou schopnosťou kombinovať video, zvuk a synchronizáciu pier v takmer dokonalom súlade.

Ukážková stránka projektu na GitHube obsahuje množstvo nádherne vytvorených videí, pričom všetky sú nasnímané z jedného obrázka a zvukového súboru. Synchronizácia pier je takmer dokonalá, rozlíšenie obrazu je vysoké a vo výstupe je pozoruhodne málo chýb. Platforma sa neobmedzuje len na fotorealistické video, dokáže produkovať kreslené filmy, umelé animované objekty, zvieratá a dokonca aj niektoré dosť komplikované a náročné pózy.

V uplynulých dňoch spoločnosť vydala aj aplikáciu Goku, ktorá ponúka podobnú kvalitu prevodu textu na video, pričom model Goku má iba 8 miliárd parametrov, čo je na takúto kvalitu neuveriteľne málo. Goku sa zameriava na jeden z najväčších priemyselných odvetví na svete: reklamu. Ukážkové videá na stránke projektu ukazujú množstvo klipov, ktoré sú celkom jasne zamerané na krátke alebo dlhé reklamné aplikácie sociálnych sietí. 

Po reklame bude takmer určite nasledovať animované umenie vo všetkých jeho podobách. Aj keď v krátkodobom horizonte neuvidíme animácie v plnej dĺžke využívajúce túto technológiu, niet pochýb o tom, že sa už nasadzuje ako súčasť výrobného procesu.

Tieto kroky posúvajú čínsku spoločnosť do prvej ligy umelej inteligencie spolu s ďalšími čínskymi gigantmi v oblasti AI ako Alibaba, Tencent a DeepSeek. Treba si však uvedomiť, že hardvérové požiadavky tohto druhu modelu AI sú stále obrovské. To je aj dôvod, prečo trvalo Sore tak dlho, kým sa objavila na trhu.  

Zdroj: tomsguide.com.

^{Zdroj Foto: OmniHuman}