Salı günü, Google yeni bir AI video sentez modeli olan Veo 3'ü tanıttı. Bu model, daha önce hiçbir büyük AI video üreticisinin başaramadığı bir şeyi gerçekleştirerek, senkronize bir ses parçası ile video üretme yeteneğine sahip. 2022 ile 2024 yılları arasında, erken AI tarafından oluşturulan videolar sessizdi ve genellikle çok kısa süreliydi. Şimdi ise, Veo 3, sesler, diyaloglar ve ses efektleriyle tamamlanan sekiz saniyelik yüksek çözünürlüklü klipler sunuyor. Tanıtımın ardından, insanlar hemen belirgin kriter sorusunu sordu: Veo 3, Oscar ödüllü oyuncu Will Smith'in makarna yerken sahte versiyonunu ne kadar iyi yapabilir? Kısa bir özet: AI videoda "makarna kıyaslaması" mart 2023'te, ModelScope adlı açık kaynak sentez modeli kullanılarak oluşturulan ilk ve biraz rahatsız edici AI videoyla başladı. O makarna örneği o kadar tanındı ki, Smith bunu neredeyse bir yıl sonra, şubat 2024’te taklit etti. İşte orijinal viral videonun nasıl göründüğünün hatırlatması: Unutulan şey ise, o zamanlar Smith taklidinin en iyi AI video üreticisiyle yapılmamış olmasıdır—Runway’un Gen-2 modeli çok daha yüksek kaliteli sonuçlar sunmuştu, fakat henüz kamuya açık değildi. Yine de, ModelScope versiyonu garip ve akılda kalıcı olduğu için, teknolojinin ilerlemesiyle AI videolarındaki ilk sınırlamalara referans noktası haline geldi. Bu hafta başında, AI uygulama geliştiricisi Javi Lopez, hayranların Veo 3 kullanarak makarna testini yeniden yapma hevesine yanıt verdi ve bulgularını X’te paylaştı. Ancak, sonuçları izlerken, ses parçası garip görünüyor ve sahte Smith'in makarnayı çiğnediği gibi duyuluyordu. Bu hata, Veo 3’ün ses efektleri ekleme konusunda deneysel kapasitesinden kaynaklanıyor; muhtemelen eğitimi sırasında çiğneme ve karkırdama sesleri içeren çok sayıda örneği öğrenmiş. Üretici AI modelleri, kalıp-tahmin sistemleri olarak çalışır ve ikna edici çıktı üretebilmek için çeşitli medya türlerinde yeterli eğitim verisine dayanır.

Belirli kavramlar bu veride aşırı ya da eksik temsil edildiğinde, bu tarz tuhaf oluşumlara yol açar. Biz de kendimiz “Will Smith” komutunu Veo 3’te denedik, ancak Google’ın içerik filtreleri tarafından engellendi. Ancak, “Makarna yiyen bir siyah adam” komutunu kullandığımızda ise benzer bir karkırdama sesi çıktı (Lopez, erken filtre olmadan erişim sağlamış veya komut varyasyonlarıyla deney yapmış olabilir). Veo 3, tutarlı diyalog ve müzik üretme yeteneğiyle etkiliyor ve şimdiden X’te birçok çarpıcı örnek ortaya çıktı. Sadece bir adamın çok az pişmiş erişte yediği bir videoda kalmak istemeyerek, aynı zamanda şarkı söyleyebilen ve aynı anda yiyebilen bir figür testi yaptık: “Bir adamın, mutfakta, makarna hakkında İngilizce komedi operası söylüyor ve yerken gösteriyor. ” 2023’ten bu yana önemli ilerlemeler kaydedildi ve AI video üreticileri gerçekçilik ve fonksiyonellik açısından gelişmeye devam edecek. Veo 3’ün şu anki ünlü filtreleri olmasa, Smith’in şarkı söylediği ya da neredeyse başka herhangi bir şey yaptığı videolar hazırlamak oldukça kolay olurdu—bu da AI video teknolojisinin potansiyel endişelerini gündeme getiriyor. Kültürel tekillik hızla yaklaşıyor. Bu noktada, yakın zamanda Veo 3 ile kendi kapsamlı video üretim testlerimizi gerçekleştirdik ve yakında bu sonuçları özel bir makalede paylaşacağız. Şimdilik, bu kısa güncelleme, Noodletime’ın Fresh Prince’ı hakkında. Afiyet olsun!