Područje AI pretvaranja teksta u video brzo napreduje, sa probojima koji šire mogućnosti. Sora od OpenAI oduševila je publiku generišući hiperrealistične, visokokvalitetne video zapise od jednostavnih tekstualnih uputstava. Sada je ByteDance (majka kompanije TikTok) lansirala novog takmičara: Goku, model za generisanje videa baziran na veštačkoj inteligenciji koji je otvorenog koda. Za razliku od zatvorenog源 Sora, Goku-ov dizajn otvorenog koda ima za cilj demokratizaciju kreiranja videa pomoću AI i podsticanje inovacija kroz saradnju zajednice. Hajde da istražimo karakteristike Goku-a, kako se on poredi sa Sora-om i kakve su posledice za budućnost AI-generisanog videa. **Šta je Goku?** Goku je vrhunski AI model za pretvaranje teksta u video koji kreira koherentne, visokokvalitetne i realistične video isječke iz opisnih tekstova. Iako još nije potpuno javno dostupan, rani izveštaji ukazuju da je među najnaprednijim AI generatorima videa. **Ključne karakteristike Goku-a** - *Razvijena formulacija Rectified Flow (RF)*: Osigurava glatko, dosledno kretanje izbegavajući nezavisnost frejmova koja je česta kod tradicionalnih modela, omogućavajući prirodniji tok videa. - *3D zajednički autoenkoder (VAE) za slike i video koje koristi variacije*: Kompresuje slike i video zapise u zajednički latentni prostor, povećavajući efikasnost i održavajući visokokvalitetne detalje. - *Transformerska mreža sa punim pažnjom (full attention)*: Koristi FlashAttention i 3D RoPE pozicione prikaze za hvatanje prostorno-vremenskih odnosa, stvarajući dinamične videozapise sa realističnim kretanjem objekata. - *Otvoreni kod*: Za razliku od vlasničkog Sora, Goku-ova dostupnost otvorenog koda podstiče programere, istraživače i entuzijaste na eksperimentisanje i inovacije, što potencijalno ubrzava razvoj AI videa. **Goku vs Sora: poređenje** Goku od ByteDance i Sora od OpenAI razlikuju se uglavnom u pristupu i dostupnosti. Goku-ova otvorenost poziva zajednicu na razvoj i širu primenu, što ubrzava napredak.

Sora ostaje vlasnički i zatvoren sistem, čime ograničava eksperimentisanje van OpenAI. Tehnički gledano, Goku koristi Rectified Flow, 3D VAE za slike i video, i transformere sa punom pažnjom, dok Sora koristi difuzione modele i duboke neuronske mreže optimizovane za dugoročno generisanje videa. Sora je hvaljena zbog visokorealističnog i doslednog izlaza, ali je ograničena zbog pristupa. Goku, iako je još u ranoj fazi razvoja, pokazuje potencijal za inovacije kroz otvorenost. **Budućnost AI generisanja videa** Pojava Goku-a i Sora označava početak AI revolucije u videu, koja vodi ka: - Masovnoj produkciji visokokvalitetnog AI videa dostupnog široj publici. - Povećanoj konkurenciji open-source projekata, jer pristup ByteDance-a može inspirisati druge, ubrzavajući tehnološki napredak. - Potpuno AI-generisanim filmovima i TV-serijama, gde AI piše scenario, režira i animira. - Etičkim izazovima, uključujući zloupotrebu deepfake tehnologije, dezinformacije i probleme zaštite privatnosti, što zahteva regulative za odgovornu upotrebu AI. **Zaključak: Nova era AI videa** Goku od ByteDance-a predstavlja značajan skok u tehnologiji AI videa kroz svoj model otvorenog koda, što potencijalno demokratizuje filmsku produkciju pomoću AI i ubrzava inovacije u odnosu na zatvoreni sistem Sora od OpenAI. Iako je još u razvoju, Goku-ov potencijal u domenu zabave, obrazovanja, marketinga i šire je ogroman. Kako se tehnologija AI videa bude razvijala, ključno pitanje ostaje: da li će projekti otvorenog koda poput Goku-a nadmašiti vlasničke modele poput Sora?Odgovor bi mogao redefinisati budućnost kreiranja digitalnog sadržaja. Pratite nas za najnovije informacije!