2024 generatív mesterséges intelligenciáját a multimodalitás és a mozgóképek határozzák meg: már nemcsak szöveges bemeneti utasításra kapunk szöveges vagy képi kimenetet, hanem változatos promptokra változatos végeredményt. Másrészt, tavaly szinte csak a – nyilvánosság számára elérhetetlen – Sora, az OpenAI videógenerátora volt már amennyire jelen, mert inkább csak tudtunk róla és láttuk lebilincselő eredményeit. 2024 végére viszont az elmaradhatatlan kínaiak (hailuo AI, Jimeng AI, Vidu AI, PixVerse, Ying AI, Kling AI) mellett három másik amerikai cég, a Google, a Meta és a generatív MI-vel eddig nem vagy igen visszafogottan kísérletező Adobe is beszállt a ringbe.
Meta és Google
A Meta október elején jelentette be a szöveges promptból hanggal kísért nagyfelbontású klipeket készítő, meglévő mozgó- és állóképes felvételeket videóvá alakító Movie Gen-t. Ha akarjuk saját fejünket is beszerkeszthetjük a mozgóképanyagba. A cég által megosztott bemutatón ázsiai nő állóképét látjuk, majd a videón ugyanaz a nő halloweeni tökök alkotta háttér előtt italt kortyolgat. Az új eszközzel korábban felvett anyagok stílusa és sok minden más is megváltoztatható rajtuk.
Jellegzetes MI generálta kép
A Google a januárban bemutatott sokoldalú Lumiere után, októberben kezdte egyelőre csak amerikai kereskedők számára bevezetni MI-alapú videógenerátorát, akik (a cég leírása alapján) nagyon jó minőségű termékbemutató mozgóképanyagokat készíthetnek vele.
Az OpenAI, a Google és a Meta jelenléte nem meglepő, sőt, az lenne meglepő, ha nem lennének jelen az MI-modellel történő videógenerálásban. A webtartalom-előállító alkalmazásairól ismert Adobe megjelenése már az, bár teljesen logikus lépés is.
Szentjánosbogarak évadja
Október közepén jelentették be, hogy megkezdték szöveges utasítások alapján videókat generáló MI-modelljük (Firefly Video Model – a firefly magyarul szentjánosbogár, világító bogár) nyilvános terjesztését, csatlakozva a film- és videógyártást mesterséges intelligenciával megújítani igyekvő vállalatok bővülő táborához. (Egyes kreatív cégek viszont változatlanul visszautasítják az MI használatát.)
Adobe-bemutató
Az Adobe tanult a riválisok példájából: modelljeit törvényesen használható adatokon gyakoroltatja, így a kimenetek mindenféle szerzői jogi és bírósági perpatvar nélkül használhatók kereskedelmi rendeltetésű anyagokban. Első körben csak a várólistára feliratkozott felhasználókhoz jut el, arról még nincs infó, hogy a nagyközönség mikor élvezheti a Firefly előnyeit.
A cég elmondta: a fejlesztést a praktikus használat és az a szándék határozta meg, hogy az MI-vel generált felvételeket össze lehessen „mixelni” hagyományos anyagokkal. Megtanították a modellnek, hogy értse és alkalmazza a videósok és videószerkesztők által használt kifejezéseket: kamerapozíciókat, kameraszögeket, kameramozgásokat stb.
Hobbi és professzionális felhasználónak is az a jó, ha minél több termék és cég van jelen a piacon. Kérdés, hogy az Adobe mennyire tudja felvenni a versenyt a terület amerikai (és kínai) nagyágyúival.
Képek: Adobe
