Metas nye Make-a-Video AI kan generere raske filmklipp fra tekstmeldinger

Meta avduket sin Make-a-Scene tekst-til-bilde generasjon AI i juli, som i likhet med Dall-E og midt på reisen, bruker maskinlæringsalgoritmer (og massive databaser med skrapet nettkunstverk) for å lage fantastiske skildringer av skriftlige spørsmål. Torsdag avslørte Meta-sjef Mark Zuckerberg Make-a-Scene sin mer animerte samtid, Make-a-Video.

Som navnet tilsier, er Make-a-Video, "et nytt AI-system som lar folk gjøre tekstmeldinger om til korte videoklipp av høy kvalitet," skrev Zuckerberg i en Meta-blogg torsdag. Funksjonelt fungerer Video på samme måte som Scene gjør – avhengig av en blanding av naturlig språkbehandling og generative nevrale nettverk for å konvertere ikke-visuelle meldinger til bilder – det er bare å trekke innhold i et annet format.

"Vår intuisjon er enkel: lær hvordan verden ser ut og hvordan den beskrives fra sammenkoblede tekst-bildedata, og lær hvordan verden beveger seg fra uovervåket videoopptak," skrev et team av Meta-forskere i en forskningsartikkel publisert torsdag morgen. Dette gjorde det mulig for teamet å redusere tiden som trengs for å trene videomodellen og eliminere behovet for sammenkoblede tekst-video-data, samtidig som de bevarte «vidden (mangfoldet i estetikk, fantastiske avbildninger, etc.) til dagens bildegenereringsmodeller. ”   

Som med det meste av Metas AI-forskning, blir Make-a-Video utgitt som et åpen kildekode-prosjekt. "Vi ønsker å være gjennomtenkte om hvordan vi bygger nye generative AI-systemer som dette," sa Zuckerberg. "Vi deler åpent denne generative AI-forskningen og resultatene med samfunnet for deres tilbakemelding, og vil fortsette å bruke vårt ansvarlige AI-rammeverk for å foredle og utvikle vår tilnærming til denne nye teknologien." 

Som med tilsynelatende alle generative AI som utgis, er muligheten for misbruk av Make-a-Video ikke liten. For å komme i forkant av potensielle ondskapsfulle skjellsord, skrubbet forskerteamet preventivt Make-a-Video-treningsdatasettet til alle NSFW-bilder, så vel som giftige fraseringer.