Področje umetne inteligence za ustvarjanje videoposnetkov iz besedila se hitro razvija, s preboji, ki razširjajo možnosti. Sora, ki jo je razvilo OpenAI, je občinstvo osupnila s tem, da je generirala hiperrealistične, visokokakovostne videe iz preprostih besednih opisov. Sedaj pa je ByteDance (matično podjetje TikToka) predstavilo novega konkurenta: Goku, odprtokodni model za generiranje videoposnetkov z umetno inteligenco. Za razliko od zaprtokodnega Sore, je zasnova Gokuja odprtokodna z namenom demokratizacije ustvarjanja videoposnetkov z umetno inteligenco in spodbujanja inovacij skozi sodelovanje skupnosti. Poglejmo si lastnosti Gokuja, kako se primerja z Soro ter kaj to pomeni za prihodnost videov, ustvarjenih z umetno inteligenco. **Kaj je Goku?** Goku je vrhunski model za pretvorbo besedila v video, ki ustvarja koherentne, visokokakovostne, realistične videe iz opisov v besedilu. Čeprav še ni popolnoma javno dostopen, zgodnje poročilo kaže, da je med najnaprednejšimi modeli za generiranje videoposnetkov z umetno inteligenco. **Ključne lastnosti Gokuja** - *Rectified Flow (RF)*: zagotavlja gladek in konsistenten gibanje z izogibanjem odvisnosti posameznih okvirjev, kot je običajno v tradicionalnih modelih, kar omogoča bolj naravno prelivanje videa. - *3D skupni variacijni avtoenkoder za slike in videe (VAE)*: stisne slike in videe v skupen latentni prostor, kar povečuje učinkovitost in ohranja podrobnosti visoke ločljivosti. - *Transformerska mreža z popolnim pozornostnim mehanizmom*: uporablja FlashAttention in 3D RoPE pozicijske vdelave za zajemanje prostorskih in časovnih povezav ter ustvarja dinamične videe z realistično gibanje predmetov. - *Odprtokodna dostopnost*: za razliko od lastniške Sore, je Goku na voljo javnosti, kar spodbuja razvijalce, raziskovalce in entuziaste k experimentiranju in inovacijam, kar bi lahko pospešilo napredek na področju ustvarjanja videov z umetno inteligenco. **Goku proti Sori: primerjava** Goku, ki ga je razvilo ByteDance, in Sora, ki jo je ustvaril OpenAI, se razlikujeta predvsem v dostopnosti in pristopu. Odprtokodna narava Gokuja spodbuja razvoj v skupnosti, kar vodi k širši uporabi in hitrejšemu napredku.

Sora ostaja lastniška in zaprta, kar omejuje eksperimentiranje zunaj OpenAI. Tehnološko gledano, Goku uporablja Rectified Flow, 3D VAE za skupne slike in videe ter popolni pozornostni Transformer, medtem ko Sora temelji na difuzijskih modelih in globokih nevronskih mrežah, optimiziranih za dolge videe. Sora je znana po izjemno realističnih in doslednih rezultatih, vendar je omejena z dostopnostjo. Goku pa, še v zgodnji fazi razvoja, kaže obetajočo inovativnost skozi odprtost. **Prihodnost ustvarjanja videoposnetkov z umetno inteligenco** Pojav Gokuja in Sore predstavlja začetek revolucije na področju videov z umetno inteligenco, ki obeta: - Vstop v glavni tok ustvarjanja videov z umetno inteligenco, ki bo dostopen mnogim. - Povečano konkurenčnost odprtokodnih projektov, saj lahko pristop ByteDancea navdihne druge in pospeši tehnološki napredek. - Celotne celovečerne filme in televizijske oddaje, ki jih bo ustvarjala umetna inteligenca, od pisanja scenarijev do režije in animacije. - Etika in izzivi, kot so zloraba deepfake tehnologij, širjenje dezinformacij ter vprašanja zasebnosti, ki bodo zahtevali ustrezno regulacijo za odgovorno uporabo umetne inteligence. **Zaključne misli: nova doba videov z umetno inteligenco** Goku, ki ga je razvilo ByteDance, predstavlja pomemben skok v razvoju tehnologije za videoposnetke z umetno inteligenco skozi svoj odprtokodni model, kar bi lahko demokratiziralo filmsko ustvarjanje z umetno inteligenco in pospešilo inovacije v primerjavi z zaprtim sistemom Sora od OpenAI. Čeprav je še v razvoju, Goku obeta velik vpliv na področja zabave, izobraževanja, marketinga in drugih področij. Ob razvoju tehnologije videov z umetno inteligenco ostaja ključna vprašanje: ali bodo odprtokodni projekti, kot je Goku, presegli lastniške modele, kot je Sora?Odgovor bi lahko preoblikoval prihodnost digitalne ustvarjalnosti. Ostanite z nami za več posodobitev!