گوگل Veo و Imagen 3 معرفی شدند: مدل‌های جدید هوش مصنوعی برای ایجاد تصویر و ویدیو

گوگل امروز در این رویداد حضور دارد Google I/O 2024، مدل های جدید ایجاد تصویر و ویدیو مبتنی بر هوش مصنوعی خود را معرفی کرد: Veo که می تواند ویدیوهای با کیفیت 1080p تولید کند و Imagen 3، آخرین مدل متن به تصویر. در حالی که هیچ یک از این مدل‌ها انقلابی به نظر نمی‌رسند، اما راهی برای Google برای ادامه رقابت با مدل‌های OpenAI Sora و Dall-E 3 هستند.

نمای گوگل

گوگل ادعا می کند که Veo درک پیشرفته ای از زبان طبیعی و معنای بصری برای ایجاد هر ویدیویی که در ذهن دارید دارد. ویدئوهای تولید شده توسط این مدل هوش مصنوعی می تواند بیش از یک دقیقه طول بکشد. Veo همچنین قادر به درک تکنیک های سینمایی و بصری مانند مفهوم تایم لپس است.

برای اثبات اینکه Veo به دنبال سرقت شغل هنرمندان نیست، گوگل همچنین با دونالد گلاور همکاری کرد تا قابلیت های این مدل را به نمایش بگذارد. در یک ویدیوی تبلیغاتی بسیار کوتاه، این هنرمند را با استفاده از متن برای ساختن ویدئویی از ورود یک قایق تفریحی به یک خانه اروپایی و یک قایق تفریحی در اقیانوس می بینیم. به گفته گوگل، Veo می تواند فیزیک دنیای واقعی را بهتر از مدل های قبلی خود شبیه سازی کند و همچنین نحوه نمایش تصاویر با کیفیت را بهبود بخشیده است.

Google View

گلاور در این ویدئو می گوید:همه مدیر خواهند شد و همه باید مدیر باشند.»

باید دید که آیا کسی واقعاً مایل به تماشای ویدیوهای تولید شده توسط هوش مصنوعی است، فراتر از کنجکاوی بیمارگونه ماشینی که تلاش می کند به صورت الگوریتمی آثار هنرمندان انسانی را بازسازی کند. اما این مانع گوگل یا OpenAI نمی شود که این ابزارها را تبلیغ کنند و امیدوار باشند مفید باشند. Veo امروز در ابزار VideoFX گوگل برای برخی سازندگان در دسترس خواهد بود، و این شرکت می گوید که این مدل به زودی به YouTube Shorts و سایر محصولات این شرکت خواهد آمد. اگر Veo به بخشی داخلی از YouTube Shorts تبدیل شود، این حداقل یکی از ویژگی‌هایی است که Google می‌تواند از TikTok پیشی بگیرد.

تصویر 3

در مورد Imagen 3، گوگل می‌گوید که این مدل با کیفیت‌ترین مدل متن به تصویر این شرکت است، با سطحی باورنکردنی از جزئیات برای ایجاد تصاویر واقعی واقعی با مصنوعات کمتر. البته، آزمایش واقعی این خواهد بود که ببینیم این مدل چگونه درخواست‌ها را در مقایسه با Dall-E 3 رسیدگی می‌کند. گوگل می‌گوید Imagen 3 بهتر از قبل متن را مدیریت می‌کند و همچنین در رسیدگی به جزئیات پرس‌و‌جوهای طولانی چابک‌تر است.

تصویر 3

گوگل همچنین با هنرمندانی مانند Wyclef Jean و Bjorn همکاری می‌کند تا Music AI Sandbox را آزمایش کند، مجموعه‌ای از ابزارهایی که می‌توانند به ساخت آهنگ کمک کنند.

گوگل میلیاردها دلار سرمایه گذاری می کند تا رویای هوش مصنوعی را به واقعیت تبدیل کند. در نهایت، نظر شما در مورد مدل های Google Veo و Imagen 3 چیست؟