CogVideoX: Прорив у створенні відео Штучним інтелектом

Дослідники з Університету Цінхуа, КНР у співпраці з компанією Zhipu AI запустили нову модель генерації відео під назвою CogVideoX. Ця модель з відкритим кодом має потенціал порушити існуючий ландшафт штучного інтелекту, на якому наразі домінують стартапи на кшталт Runway, Luma AI і Pika Labs.

Про це пише Venturebeat.com.

Основні Особливості CogVideoX

CogVideoX здатна створювати високоякісні послідовні відео тривалістю до шести секунд на основі текстових підказок. Модель включає 5 мільярдів параметрів і може генерувати відео з роздільною здатністю 720×480 пікселів при 8 кадрах на секунду. Хоча ці характеристики можуть поступатися передовим пропрієтарним системам, головна перевага CogVideoX полягає у її відкритому вихідному коді.

Оприлюднення коду та ваг моделі дозволяє демократизувати доступ до технологій, які раніше були доступні лише добре фінансованим компаніям. Це може прискорити прогрес у створенні відео за допомогою штучного інтелекту, залучаючи до процесу глобальну спільноту розробників.

Технічні Інновації

Розробники CogVideoX застосували кілька технічних інновацій для досягнення високої продуктивності моделі. Однією з них є 3D-варіаційний автокодер (VAE) для ефективного стиснення відео. Іншою важливою інновацією є використання «експертного трансформатора» з адаптивною нормалізацією шару (LayerNorm), що сприяє кращому поєднанню тексту і відео. Ці технології дозволяють більш точно інтерпретувати текстові підказки і генерувати відео, відповідне до наданого тексту.

Щоб покращити узгодження між відео та текстами, ми пропонуємо експертний трансформатор із експертним адаптивним LayerNorm, щоб полегшити злиття між двома модальностями», — кажуть у компанії.

Вплив на Індустрію

Запуск CogVideoX може змінити розподіл сил у сфері штучного інтелекту, надавши доступ до передових можливостей малим компаніям і незалежним розробникам, що раніше було неможливим через обмеження ресурсів. Це вирівнювання умов гри може спровокувати хвилю інновацій у таких галузях, як реклама, розваги, освіта і наукова візуалізація.

Етичні Виклики

Попри перспективи, технологія не позбавлена ризиків. Існує потенціал для зловживань, зокрема у створенні глибоких фейків та оманливого контенту. Розробники усвідомлюють ці етичні проблеми і закликають до відповідального використання технології.

З огляду на зростаючу доступність і складність відео, створеного за допомогою штучного інтелекту, необхідно приділяти особливу увагу створенню політик і стандартів для його відповідального використання.

Висновок

CogVideoX може стати переломним моментом, надавши можливості створення відео за допомогою штучного інтелекту широкому загалу, включаючи розробників з обмеженими ресурсами. Це відкриває нові перспективи для творчості та інновацій, але водночас піднімає питання щодо етики і регуляції. Майбутнє цієї технології залежить від того, як спільнота штучного інтелекту, політики та фахівці з етики будуть співпрацювати для забезпечення її безпечного та відповідального використання.