Ķīnas tehnoloģiju gigants ByteDance, kas ir TikTok īpašnieks, ir ieviesis mākslīgā intelekta modeli OmniHuman-1, kas spēj ģenerēt video. Modelis ir ļoti reālistisks, neraugoties uz dažiem smalkumiem.
Demonstrācijas video modelis izveidoja izdomātu TED Talk epizodi, paša Einšteina lekciju un vecākas dāmas sveicienu ar vīna glāzi. Cilvēka rokas modelis veidoja ne tik veiksmīgi, kā bieži vien redzams ģeneratīvajiem modeļiem, taču kopumā izskatās, ka OmniHuman-1 liek uzsvaru uz reālismu.
Lai izveidotu video, modelim nepieciešama tikai viena fotogrāfija un audioieraksts. Mākslīgais intelekts spēj rediģēt video, mainīt ķermeņa kustības un žestus. OmniHuman-1 tika apmācīts uz 18 700 stundu videodatiem, izmantojot "visu apstākļu" pieeju, kas ļauj vienlaikus mācīties no vairākiem ievades avotiem: teksta, audio, video utt. ByteDance pētnieki norāda, ka plašais apmācības datu klāsts palīdz mākslīgajam intelektam "ievērojami samazināt datu zudumu" salīdzinājumā ar vecākām dziļo viltus modeļiem.
Pašlaik Ķīnas uzņēmumi pastiprina dažādu mākslīgā intelekta modeļu izveidi, īpaši valodas un ģeneratīvo. Pēdējā gadā vēl viens gigants, Tencent, prezentēja ģeneratīvo modeli HunyuanVideo, kas demonstrē izcilus video, bet nenāk pāri kā tik reālistisks. Arī tika ziņots par citu Tencent izstrādni, spēļu izveides modeli GameGen-O, kas it kā mācījies no mūsdienu spēlēm.
Starp riskiem, kas saistīti ar Ķīnas mākslīgā intelekta izmantošanu, ir datu drošība, cenzūra un neskaidrība autortiesību ievērošanā. Tomēr daži no tiem, piemēram, populārais DeepSeek valodu modelis, piedāvā zemāku cenu un atvērto kodu. DeepSeek izvirzītā zemā cena jau ir izraisījusi akciju kritumu, tomēr analītiķi šaubās par norādītajiem skaitļiem.
Avots: TechSpot
Komentāri (0)
Šobrīd nav neviena komentāra