Google DeepMind представляє нову відеомодель, щоб конкурувати з Sora

Google DeepMind, флагманська дослідницька лабораторія Google зі штучного інтелекту, хоче перемогти OpenAI у ШІ для генерації відео.

У понеділок DeepMind анонсувала Veo 2, штучний інтелект для створення відео наступного покоління та наступника Veo. Veo 2 може створювати кліпи тривалістю понад дві хвилини з роздільністю до 4k (4096 x 2160 пікселів).

В експериментальному інструменті Google для створення відео VideoFX, де Veo 2 тепер ексклюзивно доступний, відео мають максимальну роздільну здатність 720p і тривалість вісім секунд. (Sora може створювати до 1080p кліпи тривалістю 20 секунд).

Елі Коллінз, віце-президент із продуктів у DeepMind, також повідомив, що Google зробить Veo 2 доступним через свою платформу розробника Vertex AI, «якщо модель буде готова до використання в масштабі».

«Протягом наступних місяців ми продовжуватимемо ітерацію на основі відгуків користувачів, — сказав Коллінз, — і спробуємо інтегрувати оновлені можливості Veo 2 у переконливі варіанти використання в екосистемі Google. Ми очікуємо щоб поділитися новинами наступного року».

Як і Veo, Veo 2 може генерувати відео за допомогою текстової підказки наприклад, «Автомобіль мчить автострадою» або тексту та контрольного зображення.

DeepMind каже, що модель, яка може створювати кліпи в різних стилях, має покращене «розуміння» фізики та елементів керування камерою, а також створює «чіткіші» кадри. Текстури та зображення в кліпах є чіткішими, особливо в сценах із великою кількістю рухів. Що стосується вдосконалених елементів керування камерою, вони дають змогу Veo 2 точніше розташовувати віртуальну «камеру» у відео, які вона створює, і переміщувати цю камеру, щоб знімати об’єкти та людей під різними кутами.

DeepMind також стверджує, що Veo 2 може більш реалістично моделювати рух, динаміку рідини (наприклад, коли каву наливають у кухоль) і властивості світла (такі як тіні та відображення). Це включає в себе різні лінзи та кінематографічні ефекти, каже DeepMind, а також «нюанси» людського виразу.

Коллінз визнав, що є над чим працювати.

«Узгодженість і послідовність — це сфери для зростання», — сказав він. «Veo може постійно дотримуватися підказки протягом кількох хвилин, але [він не може] дотримуватися складних підказок протягом довгих горизонтів. Так само постійність характеру може бути проблемою. Також є куди вдосконалюватись у створенні складних деталей, швидких і складних рухів і продовжувати розширювати межі реалізму».

DeepMind продовжує працювати з художниками та продюсерами, щоб удосконалити свої моделі та інструменти створення відео, додав Коллінз.

Джерело: TechCrunch