Metas nye Make-a-Video AI kan generere hurtige filmklip fra tekstprompter

Meta afslørede sin Make-a-Scene tekst-til-billede generation AI i juli, som ligesom Dall-E og midt på rejsen, bruger maskinlæringsalgoritmer (og massive databaser med skrabet online illustrationer) til at skabe fantastiske afbildninger af skriftlige prompter. Torsdag afslørede Meta CEO Mark Zuckerberg Make-a-Scene's mere animerede nutidige, Make-a-Video.

Som navnet antyder, er Make-a-Video "et nyt AI-system, der lader folk omdanne tekstbeskeder til korte videoklip af høj kvalitet," skrev Zuckerberg i en Meta-blog torsdag. Funktionelt fungerer Video på samme måde, som Scene gør – afhængig af en blanding af naturlig sprogbehandling og generative neurale netværk til at konvertere ikke-visuelle prompter til billeder – det trækker bare indhold i et andet format.

"Vores intuition er enkel: lær, hvordan verden ser ud, og hvordan den beskrives ud fra parrede tekst-billeddata, og lær, hvordan verden bevæger sig fra uovervågede videooptagelser," skrev et hold af Meta-forskere i et forskningspapir offentliggjort torsdag morgen. Dette gjorde det muligt for teamet at reducere mængden af ​​tid, der var nødvendig for at træne videomodellen, og eliminere behovet for parrede tekst-video-data, samtidig med at de bevarede "vidden (diversiteten i æstetiske, fantastiske afbildninger osv.) af nutidens billedgenereringsmodeller. ”   

Som med det meste af Metas AI-forskning, udgives Make-a-Video som et open source-projekt. "Vi ønsker at være betænksomme over, hvordan vi bygger nye generative AI-systemer som dette," bemærkede Zuckerberg. "Vi deler åbent denne generative AI-forskning og -resultater med fællesskabet for deres feedback, og vi vil fortsætte med at bruge vores ansvarlige AI-ramme til at forfine og udvikle vores tilgang til denne nye teknologi." 

Som med tilsyneladende enhver generativ AI, der udgives, er muligheden for misbrug af Make-a-Video ikke lille. For at komme foran enhver potentiel ondskabsfuld skældsord, skrubbede forskerholdet forebyggende Make-a-Video træningsdatasættet af alle NSFW-billeder såvel som giftige fraseringer.