Мягмар гарагт Google шинэ AI видео үүсгэгч модел болох Veo 3-ийг танилцууллаа. Энэ модел нь өмнө олон том AI видео үүсгэгчийн хийж чадаагүй зүйл болох хувирамтгай аудио замыг видеотой нь хамт үүсгэж чадна. 2022-2024 он хүртэл AI-ээр үүсгэсэн эхний видеонууд дуугүй бөгөөд ихэвчлэн маш богинохон байв. Одоо Veo 3 нь найм секунд үргэлжлэх HD чанартай дүрслэлийг дуу, яриа, дуу effect-үүдийн хамт гаргаж байна. Галт цамхгийн эхэнд хүмүүс хамгийн тодорхой асуулт тавилаа: Veo 3 хэр сайн Оскарын шагналт жүжигчин Will Smith гоймон идэж байгаа дүрийг хуурч чадна вэ? Тэдгээрийн товч дүгнэлт: AI видео дахь "спагетти хөтөлбөр" явуулга 2023 оны гуравдугаар сард ModelScope нэртэй нээлтэт эх үүсвэрийн синтез модел ашиглан гаргасан түргэн, арай зовоосон AI үүсгэсэн видеогоор эхэлсэн. Тэр спагетти жишээ маш нэрд гарсан тул 2024 оны хоёрдугаар сарын сүүлээр Smith ч гэх дүртэй хуулбар хийж байсан. Энд анхны дэлгэрэнгүй вируслэг видео ямар харагдаж байсан тухай сануулга байна: Үерхэж мартах нь хэвийн боловч, тухайн үед Smith-ийн инээдэмийг илэрхийлэх энэ хуулбар хамгийн сайн AI видео үүсгэгч болох Gen-2 нэртэй Runway-ийн модел ашиглан бүтээгдсэн гэдгийг санадаггүй. Тэр хэдий ч ModelScope хувилбар хачин, онцлогтой байсан тул эртний AI видеог хязгаарлалтын тусам танихад ашиглагдах эхний журам болсон. Энэ долоо хоногт AI апп хөгжүүлэгч Javi Lopez X дээр фэнүүдээс спагетти туршиж үзүүлэх хүсэлтэй хариулж, өөрийн дүгнэлтээ хуваалцав. Харин үр дүнг үзэхэд, дууны хэсэг хачин санагдсан: хуурмаг Smith спагетти хэчнээн чангатаж байгааг энгийн харагдаж байв. Энэ алдаа Veo 3-ийн туршилтын дуу эффектыг нэмэх хүчин чадлаас үүдэлтэй бөгөөд, магадгүй түүний сургалтдаа маш олон ханий чимээ, чангаар хазах тооцоог агуулсан байсан нь ийм дүрслэл бий болсон шалтгаан байж магадгүй. Генератив AI моделүүд нь зураг төсөл зургийг зөв тааж, тогтмол улс төр, хүмүүс, хиймэл оюун ухааны онцлог шинж чанаруудыг харьцуулж, итгэмээр дүрслэлийг гаргадаг. Зарим ойлголт илүү эсвэл бага дүрслэгдэх тусам иймэрхүү этгээд үр дүнд хүрдэг. Мөн бид өөрсдөө Veo 3 дээр "Will Smith"-ийг оролцуулсан тодорхой команд өгч туршиж үзсэн ч Google-ийн контент шүүлтүүр энэ нэрийг хаажээ.

Харин "Хар хүн гоймон идэж байхад" гэх комманд ашиглавал ижилхэн чангарсан дуугаралт гарч байсан (магадгүй Lopez эх газрын шүүлтүүрээс хамгаалагдсан эсвэл өөр хувилбар туршсан байж болзошгүй). Veo 3 нь логик, яриа, хөгжим үүсгэх чадвараараа гайхалтай бөгөөд X платформ дээр олон сонирхолтой жишээнүүд үүсгэж байна. Архангай алдар суу, ганцаардал буюу хүн ямар ч үгийг бүхий л аялгуугаар үгүйлж чаддаг. Bид зөвхөн хүн гоймон идэж байгаа зургийг харуулчихгүйгээр, тэр хүн Англи хэл дээр спагеттигаар инээдмийн дуулалттай домог тоглож чадах эсэхийг шалгахаар шийдлээ: "Гэрийн өрөөнд суугаа хүн спагетти идэж байхдаа англи хэл дээр комеди дуулалттай операг дуулж байна. " 2023 оноос хойш бид олон шаталбар төсөл боловсруулж, AI видеог илүү бодитой, шинж чанараа нэмэгдүүлэхэд ахиц гарч байна. Veo 3-ийн одоогийн алдартай бүтээгдэхүүн болох нэрийг харахгүй бол, Smith-ийн дуу хөгжим өргөмжлөх эсвэл бараг юу ч хийж болох юм. Энэ нь AI видео технологийн өндөр хэтийн төлөвийг онцолсон нэгэн санал юм. Соёлын цор ганц байдал маань хурдтай хөдлөх хандлагатай байна. Түүнчлэн бид Veo 3-ээр олон туршилт хийж, удахгүй тусгай нийтлэлээр тэдгээр үр дүнгээ хуваалцах болно. Одоогоор энэ нь "Нүднийхээ хаан" цувралын богинохон шинэчлэлт юм. Амттан идэж байгаарай!