Pada hari Selasa, Google memperkenalkan Veo 3, satu model sintesis video AI baharu yang mampu mencapai sesuatu yang belum pernah dilakukan oleh penghasil video AI utama sebelum ini: menghasilkan trek audio yang diselaraskan bersama video. Antara tahun 2022 dan 2024, video awal yang dijana AI adalah tanpa suara dan biasanya sangat ringkas. Kini, Veo 3 menyampaikan klip berkualiti tinggi selama lapan saat lengkap dengan suara, dialog, dan efek bunyi. Selepas pelancaran, orang ramai segera mengemukakan soalan ujian utama yang jelas: Sejauh mana Veo 3 boleh memalsukan aktor pemenang Anugerah Oscar Will Smith sedang makan spageti? Ringkasan pantas: “Ujian spageti” dalam video AI bermula pada Mac 2023 dengan satu video awal yang agak menjadikan tidak selesa, dijana AI menggunakan model sintesis sumber terbuka yang dipanggil ModelScope. Contoh spageti itu menjadi sangat terkenal sehingga Smith membuat parody video hampir setahun kemudian, iaitu pada Februari 2024. Berikut adalah pengingat bagaimana video viral asal itu kelihatan: Apa yang sering dilupakan ialah ketika itu, parody Smith tidak dihasilkan menggunakan penghasil video AI terbaik yang ada—sebuah model bernama Gen-2 dari Runway telah pun menghasilkan hasil yang lebih berkualiti tinggi, walaupun ia belum boleh diakses secara umum. Namun, versi ModelScope cukup pelik dan berkesan untuk menjadi rujukan terhadap batasan awal AI video semasa teknologi ini berkembang. Awal minggu ini, pengembang aplikasi AI, Javi Lopez, membalas kepada peminat yang ingin mengulang ujian spageti menggunakan Veo 3, berkongsi penemuan beliau di X. Namun, apabila menonton hasilnya, trek audio kelihatan luar biasa: Smith palsu itu kedengaran seperti sedang mengunyah spageti. Kegagalan ini berpunca daripada keupayaan eksperimen Veo 3 untuk menambah efek bunyi, kemungkinan besar kerana data latihan yang termasuk banyak contoh mengunyah disertai bunyi mengunyah yang berkecai. Model AI generatif berfungsi sebagai sistem ramalan yang memadankan corak, bergantung kepada data latihan yang mencukupi dalam pelbagai jenis media untuk menghasilkan output yang meyakinkan.

Apabila konsep tertentu terlalu banyak atau terlalu sedikit dalam data tersebut, ia membawa kepada kecacatan generasi yang pelik seperti ini. Kami juga mencuba arahan sendiri pada Veo 3, tetapi “Will Smith” disekat oleh penapis kandungan Google. Namun, menggunakan arahan “Lelaki kulit hitam makan spageti, ” menghasilkan kesan bunyi mengunyah yang serupa (mungkin Lopez mempunyai akses awal tanpa penapis, atau mencuba variasi arahan yang terbawa masuk). Veo 3 mengagumkan dengan keupayaannya untuk menjana dialog dan muzik yang koheren, dan sudah menginspirasi banyak contoh menarik di X. Tidak mahu berhenti di sekadar video lelaki yang sedang makan mi al dente, kami menguji sama ada figur itu boleh menyanyi dan makan serentak dengan arahan: “Seorang lelaki menyanyi opera komedi berbahasa Inggeris tentang spageti di meja dapur sambil memakannya. ” Kami telah membuat kemajuan besar sejak 2023, dan penghasil video AI akan terus memperbaiki dari segi realisme dan fungsi. Jika bukan kerana penapis selebriti semasa Veo 3, kita mungkin dengan mudah menghasilkan video Smith sedang menyanyi—atau melakukan apa sahaja yang lain—yang menunjukkan potensi kebimbangan berkaitan teknologi video AI. Singularity budaya semakin menghampiri. Sehubungan itu, kami baru-baru ini menjalankan siri ujian penjanaan video sendiri yang luas dengan Veo 3 dan akan berkongsi hasilnya tidak lama lagi dalam satu artikel khas. Buat masa ini, anggap ini sebagai kemaskini ringkas tentang The Fresh Prince of Noodletime. Selamat menikmatinya!