செவ்வாய்க்கிழமை, கூகுள் வேஆ 3 என்ற புதிய AI வீடியோ பொருள் உருவாக்க எளிதான மாதிரியை வெளிச்சப்படுத்தியது. இதன்மூலம் எந்த பெரிய AI வீடியோ உருவாக்கும் கருவியும் முதல்முறை எற்கின்றன்: வீடியோக்கோடு synchronized ஆக ஒலி பாத்திரம் தயாரிக்கும் திறன். 2022 முதல் 2024 வரை, முதற்கட்ட AI உருவாக்கிய வீடியோக்கள் சத்தமில்லாமல் மிகவும் குறுகியதாக இருந்தன. இப்போது, வேஆ 3 எட்டு விநாடி உயர்ந்த தீர்மானதிட்டகளுடன் குரல், உரையாடல் மற்றும் சத்திச்செயல்களை கொண்ட வீடியோக்களை வழங்குகிறது. அதனுடன், பின்னர் அனைவரும் ஒரே கேள்வியை முன்வைத்தனர்: வேஆ 3 ஓஸ்கார் வெற்றியாளரும் நடிகருமான வில் ஸ்மித் spaghetti சாப்பிடுவதையே எப்படி முறைப்படுத்தலாம்? சுருக்கம்: AI வீடியோவில் "spaghetti benchmark" 2023 மார்ச் மாதம் தொடங்கியது, ModelScope எனும் திறந்த மூல பொருள் உருவாக்க மாதிரியைப் பயன்படுத்தி உருவாக்கத்துக்கான ראשונית, சற்று அசிங்கமான AI உருவாக்கிய வீடியோவாகும். அந்த spaghetti உதாரணம் மிகவும் பிரபலமானதால், ஸ்மித் அதை ஏற்றியதாக, வெள்ளிக்கிழமை 2024 பிப்ரவரி மாதத்தில் spoof செய்துவிட்டார். இதோ அதன் ஆரம்ப வெறுப்பான வீடியோ உருவாக்கம்: அந்த நேரத்தில், ஸ்மித் நகைச்சுவையாக உருவாக்கப்பட்டது எந்த சிறந்த AI வீடியோ உருவாக்கக்கூடிய கருவியால் என்பதும் மறந்து போகும் — Runway இன் Gen-2 எனும் மாதிரி ஏற்கனவே உயர்ந்த தரமான விளைவுகளை வழங்கியது, ஆனால் அது பொதுவாகக் கிடைக்கவில்லை. கூடുതலாக, ModelScope பதிப்பு மிகக் கிளுகிளுப்பான மற்றும் நினைவில் வைத்துக்கொள்ளும் விதமாக இருந்ததால், சிறந்த AI வீடியோ தொழில்நுட்ப முன்னேற்றங்களில் அடிப்படையாக இருந்து வந்தது. இந்த வாரம், AI பயன்பாட்டு நிபுணர் ஜவி லோபேஸ், ரசிகர்களிடமிருந்து வேஆ 3 கொண்டு spaghetti பரிசோதனை மீண்டும் பார்க்கக்கு விருப்பமுள்ளவர்களுக்கு பதிலளித்தார், அவரது முடிவுகளை X மேல் பகிர்ந்தார். ஆனால், முடிவுகளைப் பாரும் போது, ஒலி பாத்திரம் சற்று விசித்திரமாக இருந்தது: போலி ஸ்மித் spaghetti சாப்பிடும்போது crunch வைக்கும் சத்தம் கேட்கும் போல் இருந்தது. இந்த பிழை வேஆ 3 இன் சோதனையுள்ள சத்திச்செயல்களை சேர்க்கும் வாயிலாக உருவானது, அதன் பயிற்சி தரவுகளில் சாப்பிடும் இயல்பை அடங்கிய பல உதாரணங்கள் இருந்ததால் என கருதப்படுகிறது.

உற்பத்தி AI மாதிரிகள் pattern-matching முன்னறிவிப்பு முறை, போதுமான பயிற்சி டேட்டாவை அடிப்படையாகக் கொண்டு சரியான விளைவுகளை உருவாக்கும். சில கருத்துக்களை மிகுதி அல்லது குறைந்த அளவில் சொல்லும் போது, அந்த தரவுகளில் இருந்து அலட்சியம் அல்லது தவறான உருவான விளைவுகள் ஏற்படும். நம்மும் வேஆ 3-ல் “Will Smith” க்கான பிராண்டைத் தடைசெய்தோம், ஆனால் “Spaghetti சாப்பிடும் கருப்பு மனிதன்” எனும் பேர்போர்ட் பயன்படுத்தி, அதே crunchy சத்தத்தைப் பெற்று இருந்தோம் (லோபேஸ் வீரமுடன் முன்னேற்றப்பட்டார் அல்லது புறக்கணிக்கப்பட்ட ப்ராம்ட் விளைவுகளை மாற்றி வேறுபாடுகள் முயற்சி செய்திருக்கலாம்). வேஆ 3 பிழையாக அமைந்திருக்கும் திறன்களை காட்டுகின்றது, இதில் திறமைமிக்க உரையாடல் மற்றும் இசையை உருவாக்கும் திறனுடையது, இதனால் ஆன்ட்ரான்டிக்ஸ் பல்வேறு உதாரணங்களுடன் காட்சி தருகிறது. ஆணையை சாப்பிடும் ஆளும் படம் மட்டுமல்லாது, அதன் பாடலை கூட பாடக்கூடியதாக இருக்கும்போது, “ஒரு மனிதன் நன்கு வேகமான நேரத்தியங்கிய நூடில்களை சாப்பிடும் போது ஒரு ஆங்கிலக் காமெடி இசைத் துபாயைப் பாடுகிறான்” என்ற கமாண்டை வழங்கினோம். 2023-இலை மேம்பாடுள்ளோம், மற்றும் AI வீடியோ உருவாக்கிகள் தொடர்ந்தும் நம்பிக்கையுடன் முன்னேறலாமென நம்பிக்கைக்குறிய வரிசைப்படி வளர்ச்சி அடைவதற்கு எதிர்பார்க்கின்றோம். வேஆ 3 இன் தற்போதைய பிரபலத் தொழில்நுட்ப குறுவட்டு அறிக்கையை இல்லாமல், ஸ்மித் பாடும் அல்லது வேறு ஏதாவதுImages பொறுத்து நீண்ட நேரம் கேட்கும் வீடியோக்களை எளிதாக உருவாக்கலாம்—இந்த சூழல் AI வீடியோ தொழில்நுட்பம் குறித்து இருக்கும் கவலைகளை வெளிப்படுத்துகிறது. கலாச்சார தொடர்புடைய தனித்துவம் மிக விரைவில் நெருங்கி வருகிறது. அந்த வகையில், நமது தயாரிப்பாளர்கள் வேஆ 3 மூலம் செய்தன வாங்கிய தனிப்பட்ட வீடியோ சோதனைகள் தொடர்ந்தும் நடைபெற்று வருகின்றன, அவற்றின் முடிவுகளை விரைவில் பகிர்வோம். இப்போது, இது ஒரு சிறிய புதுப்பிப்பாக கருதி, நமது “பிரெஷ் பிரின்ச் ஆஃப் நூட்லு டைம்” பற்றிய நிலைமை. நன்ப வாழ்த்தி!