Google lancerer VEO, en AI, der skaber videoer, der konkurrerer med OpenAIs Sora

O Google annoncerede denne tirsdag (14) sin nyeste videogenerative model, Veo, som er en del af VideoFX-værktøjet. Den nye funktion vil tillade oprettelse af videoer baseret på tekstmeddelelser og ankommer som en konkurrent til Sora da OpenAI.

Værktøjet blev annonceret i en live-udsendelse under Google I / O 2024. Udover at tillade skabelse af indhold, vil platformen tillade interaktion med virksomhedens andre teknologier, såsom værktøjet til at skabe musik ved hjælp af AI.

Hvad er Veo

Under afsløringen af ​​den seneste kunstige intelligens udviklet af Google til videooprettelse blev et nøglepunkt understreget: Veo går ud over den typiske et-minuts længde og tilbyder resultater i 1080p opløsning og muligheden for at udforske en række filmiske stilarter og billeder.

Ifølge virksomheden har denne AI avanceret viden inden for både naturligt sprog og visuel semantik, hvilket giver mulighed for mere nøjagtig gengivelse selv med længere og mere detaljerede kommandoer.

Google hævder, at Veo er i stand til at generere konsistent og sammenhængende indhold, hvor mennesker, dyr og objekter bevæger sig realistisk gennem videoerne. Ydermere er værktøjet i stand til at forstå specifikke termer fra det filmiske univers, såsom "timelapse" og "luftoptagelse af et landskab", hvilket giver større kreativ kontrol over de ønskede resultater.

Præsentationen af ​​den nye AI var rettet mod en gruppe filmskabere og skabere, som havde mulighed for at afprøve modellen og give feedback til virksomheden og bidrage til mulige fremtidige forbedringer.

Google annoncerede også, at nogle Veo-funktioner gradvist vil blive integreret i YouTube Shorts og andre firmaprodukter, dog uden at angive en dato for dette.

VideoFX

VideoFX er en portal, der tilgås gennem browseren selv for at bruge Veo, en generativ model skabt af virksomheden for at konkurrere med Sora, fra OpenAI. I øjeblikket er nyheden kun tilgængelig i en eksperimentel fase i USA.

Med blot en tekst-, billede- eller videoprompt giver de nye funktioner dig mulighed for at oprette og redigere videoer på mere end 60 sekunder i forskellige visuelle stilarter, så brugeren kan udforske de mest forskellige ideer.

Ifølge Google tilbyder værktøjet også nogle redigeringsmuligheder, såsom Storyboard-tilstand til at arbejde på de genererede scener, foruden inklusion af musik og lydeffekter.

Indbyggere i USA kan få adgang til værktøjet gennem en venteliste. I øjeblikket er der ingen prognose for lancering i Brasilien og andre lande.

ImageFX

Google annoncerede også Image 3, tilgængelig i ImageFX fra Google Labs. Med den er det muligt at lave helt nye billeder ud fra en tekstprompt, noget meget lig det vi for eksempel ser i MidJourney.

Med 3. generation lover Google, at brugerne vil have billeder, der er lige så trofaste over for virkeligheden, takket være forbedringer i kvaliteten og pålideligheden af ​​billedgenerering.

Ifølge Mountain View-giganten vil Imagem 3 endda være i stand til at placere ord og sætninger i billeder, noget der stadig giver nogle problemer på platforme med lignende forslag.

MusicFX

Google har også annonceret endnu et generativt AI-værktøj til at skabe musik, MusicFX med AI Sandbox. Den nye funktion, som kommer i samarbejde med YouTube, vil konkurrere direkte med virksomheder som Moises.ai, der bruger AI til at adskille numre af den samme sang.

"Disse værktøjer er designet til at åbne op for en ny kreativitetslegeplads, så folk kan skabe nye instrumentale sektioner fra bunden, transformere lyd på nye måder og meget mere.“, udtalte Google under præsentationen.

Lær LM

Endelig afslørede Google sin nye familie af generative AI-modeller, der er indstillet til læring. LearnLM er designet til at vejlede studerende på en "samtale" måde på tværs af en række forskellige emner.

"LearnLM er baseret på uddannelsesforskning, hvilket gør læringsoplevelser mere personlige og engagerende,” forklarede James Manyika, senior vicepræsident for forskning, teknologi og samfund hos Google Research, på Google I/O tirsdag.

LearnLM er i øjeblikket drevet af funktioner på tværs af Google-produkter, herunder YouTube, Googles Gemini-apps, Google Søgning og Google Classroom.

I Gemini-applikationerne vil det for eksempel i de kommende måneder være muligt at skabe personlige chatbots, der kan fungere som eksperter i forskellige emner. Chatbots vil give studievejledning og praktiske aktiviteter, såsom quizzer og spil, med respekt for hver elevs individuelle præferencer.

Veja também:

Google viser Astra, en rival til GPT-4, der ser den virkelige verden gennem mobiltelefonens kamera.

Kilde: Google.