ಮಂಗಳವಾರ, Google ವಿಓ 3 ಎಂಬ ಹೊಸ ಏಐ ವಿøಡಿಯೋ ಸಿಂಥೆಸಿಸ್ಸ್ ಮಾದರಿಯನ್ನು ಬಿಡುಗಡೆಪಡಿಸಿದೆ, ಇದು ಏನನ್ನಾದರೂ ಸಾಧಿಸಿದ ನೋವುದಿಲ್ಲದ ಪ್ರಮುಖ ಏಐ ವೀಡಿಯೋ ಜನರೇಟರ್ ಮುನ್ಸೂಚನೆ: ವೀಡಿಯೋ ಮತ್ತು ಸಮ್ಮಿಳಿತ ಧ್ವನಿಸಂಯೋಜನೆಗಳನ್ನು ಭರವಸೆ ಕೊಡುತ್ತದೆ. 2022ರಿಂದ 2024ರವರೆಗೆ, ಆರಂಭಿಕ ಏಐ-ತಯಾರಿಸಲಾಗಿದ್ದ ವೀಡಿಯೋಗಳು ಮೌನವಾಗಿದ್ದವು ಮತ್ತು ಸಾಮಾನ್ಯವಾಗಿ ತುಂಬಾ ಹಣ್ಣಾಗಿದ್ದವು. ಈಗ, ವಿಓ 3 ಎಂಟು ಸೆಕೆಂಡುಗಳ ಹೈ ಡೆಫಿನಿಷನ್ ಕ್ಲಿಪ್‌ಗಳನ್ನು ಧ್ವನಿಗಳು, ಸಂಭಾಷಣೆಗಳು ಮತ್ತು ಧ್ವನಿ ಪರಿಣಾಮಗಳೊಂದಿಗೆ ಒದಗಿಸುತ್ತದೆ. ಪ್ರಾರಂಭದ ನಂತರ, ಜನ immediatamente ಸ್ಪಷ್ಟ ಮಂತರ ಪ್ರಶ್ನೆಯನ್ನು ಕೇಳಿದರು: ವಿಓ 3 ಹೇಗೆ ಉತ್ತಮವಾಗಿ ಆಸ್ಕೆರ್ ಗೆಲುವು ಕಂಡ ನಟ ವಿಲ್ ಸ್ಮಿತ್ ಸ್ಪಾಗೆಟ್ಟಿ ತಿನ್ನುತ್ತಿದ್ದಂತೆ ನಕಲಿ ಮಾಡಬಹುದು? ಸಣ್ಣ ಸಂಕ್ಷಿಪ್ತ ವಿವರ: ಏಐ ವೀಡಿಯೋದಲ್ಲಿ "ಸ್ಪಾಗೆಟ್ಟಿ ಮਾਪಡುವಿಕೆ" মার্চ 2023ರಲ್ಲಿ ಆರಂಭವಾಯಿತು ಒಂದು ಆರಂಭಿಕ, ಸ್ವಲ್ಪ ಅಸಹಾಯಕ ಎಐ-ತಯಾರಿಸಿದ ವೀಡಿಯೋ ಮೂಲಕ, ಇದನ್ನು ModelScope ಎಂಬ ಓಪನ್ ಸೋರ್ಸ್ ಸಿಂಥೆಸಿಸ್ ಮಾದರಿಯನ್ನು ಬಳಸಿಕೊಂಡು ಸೃಜಿಸಲಾಯಿತು. ಆ ಸ್ಪಾಗೆಟ್ಟಿ ಉದಾಹರಣೆ ಅಷ್ಟು ಪ್ರಸಿದ್ದಿಯಾಯಿತು ಅದು ಸ್ಮಿತ್ ಅಂಧರ್ ನೋಡಿಸಿ, ಅದು 2024ರ ಫೆಬ್ರುವರಿ ತಿಂಗಳುದಲ್ಲಿ ಮುಂಬರುವ ಹಾಸ್ಯದಲ್ಲಿ ಆಡುವ ಮೂಲಕ ಸ್ಪೂಫ್ ಮಾಡಿದನು. ಇಲ್ಲಿ ಮೂಲ ವೈರಲ್ ವೀಡಿಯೋ ಹೇಗೆ ಕಾಣುತಿತ್ತು ಎಂಬುದರ ಸ್ಮರಣೆಯಾಗಿದ್ದು: ಸಾಮಾನ್ಯವಾಗಿ ಮರೆತುಹೋಗುವ ಪ್ರಶ್ನೆಯಾದದ್ದು, ಆ ಸಮಯದಲ್ಲಿ ಸ್ಮಿತ್ ಪಾರ್ಶ್ವವೀಡಿಯೋವನ್ನು ಅತ್ಯುತ್ತಮ ಏಐ ರೂಪಾಂತರಗಾರದಿಂದ ತಯಾರಿಸಲಾಗಲಿಲ್ಲ—Runwayನ ಜನ್ಯ-ಮಾಡಿದ Gen-2 ಎಂಬ ಮಾದರಿ ಈಗಾಗಲೇ ಹೆಚ್ಚಿನ ಗುಣಮಟ್ಟದ ಫಲಿತಾಂಶಗಳನ್ನು ನೀಡಿತ್ತು, ಆದರೂ ಅದು ಸಾರ್ವಜನಿಕವಾಗಿ ಲಭ್ಯವಿರಲಿಲ್ಲ. ಏಳರೂ, ModelScope ಆವೃತ್ತಿ ಸ್ವಲ್ಪ ವಿಚಿತ್ರ ಮತ್ತು ನೆನಪಿಗೆ ತಕ್ಕಂತದ್ದು ಆದ್ದರಿಂದ ಪ್ರಾಥಮಿಕ ಏಐ ವೀಡಿಯೋಗಳ ಮಿತಿಗಳಿಗೆ ಸೂಚಕವಾಗಿದೆ ಎಪ್ಪಟ ಮಾದರಿಗಳು ಆವೃತ್ತಿಯನ್ನು ಏನಾದರೂ ಹೆಚ್ಚು ಸುಂದರವಾಗಿ ತಯಾರಿಸಿದ್ದರೂ. ಈ ವಾರದ ಆರಂಭದಲ್ಲಿ, AI ಅಪ್ಲಿಕೇಶನ್ ಡೆವಲಪರ್ ಜಯವಿ ಲೋಪೆಜ್ ಪ್ಲೇರ್‌ಗಳನ್ನು ವೀಕ್ಷಿಸುವ ಆಕಾಂಕ್ಷೆಯವರು ವಿಓ 3 ಮೂಲಕ ಸ್ಪಾಗೆಟ್ಟಿ ಪರೀಕ್ಷೆಯನ್ನು ಮರುತ Mouthದೆನಿಸಿದರು, ಅವರ ಪಿಗಾರಿಕೆಗಳನ್ನು X ಮೇಲೆ ಹಂಚಿದರು. ಆದರೆ, ಪರಿಣಾಮಗಳನ್ನು ನೋಡುವಾಗ, ಸೌಂಡ್ ಟ್ರ್ಯಾಕ್ ಅಸಾಮಾನ್ಯವಾಗಿದೆ: ನಕಲಿ ಸ್ಮಿತ್ ಸ್ಪಾಗೆಟ್ಟಿ ತದ್ವಾರಾ crunching ಮಾಡಿಕೊಂಡಂತನಾಗಿತು. ಈ ದೋಲಕ ದುಷ್ಟತೆ ವಿಓ 3ನ ಪ್ರಯೋಗಾತ್ಮಕ ಶಕ್ತಿಯಿಂದ ಉತ್ಫಲಿತವಾಗಿದೆ, ಸಾಮಾನ್ಯವಾಗಿ ಅದರ ತರಬೇತಿ ಡೇಟಾದದಲ್ಲಿ chewing ಮತ್ತು crunching ಶಬ್ಧಗಳ ಅನೇಕ ಉದಾಹರಣೆಗಳಾಗಿದ್ದುಕೊಂಡಿವೆ. ಜನರೇಟಿವ್ ಏಐ ಮಾದರಿಗಳು ಸ್ವಾಭಾವಿಕವಾಗಿ pattern-matching prediction ಸಿಸ್ಟಮ್ಸ್ ಆಗಿದ್ದು, ಪ್ರಶিক্ষಿತ ಮಾದರಿಗಳು ವಿವಿಧ ಮಾಧ್ಯಮಗಳ ಮೂಲಕ ಭರವಸೆ ನೀಡುವವರಂತೆ ಪರಿಣಾಮ ಉಂಟುಮಾಡಲು ಸಾಕಷ್ಟಾದ ತರಬೇತಿದೃಷ್ಟಾಂತವನ್ನು ಆಧರಿಸುತ್ತದೆ.

ಕೆಲವು_CONCEPTSಗಳು ಹೆಚ್ಚು ಅಥವಾ ಕಡಿಮೆ ಪ್ರತಿದಿವಸೆಯಾಗಿದ್ದರೆ, ಅದು ಹಾವಳು ಕೂಡಲೇ ಉತ್ಪಾದಿತ ದೋಷಗಳನ್ನು ಉಂಟುಮಾಡಬಹುದು. ನಾವುವೂ ಸ್ವತಃ ವಿಓ 3ನಲ್ಲಿ "ವಿಲ್ ಸ್ಮಿತ್" ಎಂದು ತಿಳಿಸುವುದೇ ನಡೆಯಲಿಲ್ಲ, ಆದರೆ “A black man eating spaghetti” ಎಂದು ನೀಡಿದರೆ, ಅಣಕಿಗಳ ಶಬ್ಧ ಶಬ್ಧಸೂತ್ರದಂತೆ ಒಂದನ್ನು ಸೃಷ್ಟಿಸಿದವು (ಲೂಪೆಜ್ ರಸ್ತಿನಲ್ಲಿ ಮೊದಲ್ಗೊಂಡಿ ಶೋಧನೆಗಳ ಮೂಲಕ ಅಥವಾ ಪರಿಚಯ ಮಾಡಿಕೊಳ್ಳುವ ಬದಲು ಕಡ್ಡಾಯ ಪ್ರಾಂಪ್ಟ್ ವೈವಿಧ್ಯತೆಗಳ ಮೂಲಕ ಪರಿಗಣಿಸಿದಿರಬಹುದು). ವಿಓ 3 ತನ್ನ ತರುವಾಯ ಸಂಭಾಷಣೆ ಮತ್ತು ಸಂಗೀತ ಉತ್ಕರ್ಷಣೆಯ ಕರ್ತೃತೆಯನ್ನು ಸುಸ್ಥಿರವಾಗುವ ಮೂಲಕ ಥರಥರದ ಉದಾಹರಣೆಗಳನ್ನು ಸೃಷ್ಟಿಸುತ್ತದೆ, ಈಗಾಗಲೇ X ನಲ್ಲಿ ದೃಷ್ಟಾಂತಗಳನ್ನು ಉಂಟುಮಾಡಿದೆ. ಒಂದೇ ವಿಡಿಯೋದಲ್ಲಿ ಹೆಚ್ಚು ಆಂಡೇ ಸರಳವಲ್ಲದ ಉಗುಳುದಪ್ಪು ಗೀತೆ ಹಾಡುವ ಮತ್ತು ತಿನ್ನುವ ಸಾಧ್ಯತೆಯಿದ್ದರೆ ಎಂದು ಪರೀಕ್ಷಿಸಿದ್ವಿ: “A man singing an English-language comedy opera about spaghetti at a kitchen table while eating it. ” 2023ರಿಂದ ನಾವು ಮಹತ್ವಪೂರ್ಣ ಪ್ರಗತಿ ಸಾಧಿಸಿದ್ದೇವೆ ಮತ್ತು ಏಐ ವೀಡಿಯೋ ಜನರೇಟರ್‌ಗಳು ನಿಜತ್ವ ಮತ್ತು ಕಾರ್ಯಕ್ಷಮತೆ ಕುಶಲತೆಯನ್ನು ಮುಂದುವರೆದಂತೆ ಅಭಿವೃದ್ಧಿಯಾಗುತ್ತವೆ. ವಿಓ 3ನ ಪ್ರಸ್ತುತ ಸೆಲೆಬ್ರಿಟಿ ಫಿಲ್ಟರ್ ಇದ್ದುದಿಲ್ಲದಿದ್ದರೆ, ನಾವು ಸ್ಮಿತ್ ಮುಂದೆ ಹಾಡುತ್ತಿರುವ ವಿಡಿಯೋಗಳು ಅಥವಾ ಇತರೆ ಅಜ್ಞಾತ ಕಾರ್ಯಗಳನ್ನು ಸುಲಭವಾಗಿ ಮಾಡಬಹುದು—ಇದರಿಂದ ಏಐ ವೀಡಿಯೋ ತಂತ್ರಜ್ಞಾನದ ಸನ್ನಿವೇಶದಲ್ಲಿ ಕೆಲವು ಬೆಂಬಲಿತ ಸಿದ್ಧಾಂತಗಳನ್ನು ತಿಳಿಯಬಹುದು. ಸಂಸ್ಕೃತಿಯ ವಿಶೇಷತೆ ವೇಗವಾಗಿ ಮುನ್ನಡೆದು ಬರುತ್ತಿದೆ. ಆದ ಹಿನ್ನೆಲೆಯಲ್ಲಿ, ನಾವು ಇತ್ತೀಚೆಗೆ ವಿಓ 3 ಮೂಲಕ ವಿಸ್ತೀರ್ಣಾದ ವೀಡಿಯೋ ಪೃಥಿವಿಗಾಗಿ ಸ್ವತಃ ಹಲವು ಪರೀಕ್ಷೆಗಳು ನಡೆಸಿದ್ದು, ಶೀಘ್ರ ಇವುಗಳ ಫಲಿತಾಂಶಗಳನ್ನು ವಿಶೇಷ ಲೇಖನದಲ್ಲಿ ಹಂಚಮ್ಮು. ಇಂದಿಗೂ, ಈತೆರೆಂದು ಕೇವಲ ನುಡಲಿದೆ, "ನೂಡಲೆತನದ ಫ್ರಿಯಾಜ್ಞು" ಕುರಿತು ಸಂಕ್ಷಿಪ್ತ ಮಾಹಿತಿ ನೀಡುವುದು. ಸುಂದರವಾಗಿ ಆಹಾರ ಹಿತ!