تیتربرتر: گوگل سرویس جدیدی را در زمینه‌ی هوش مصنوعی مولد رونمایی کرده است؛ ابزار تولید تصویر ImageFX که توسط مدل زبانی بزرگ Imagen 2، پیشرفته‌ترین مدل تبدیل متن به تصویر گوگل، پشتیبانی می‌شود و می‌تواند درخواست متنی را به عکس تبدیل کند.

علاوه‌بر معرفی ImageFX، گوگل از طریق پستی در ایکس گفته که بهبودهایی در MusicFX و TextFX ایجاد کرده است. ارتقاء در مدل MusicLM باعث می‌شود که امکان تولید سریع‌تر و باکیفیت‌تر موسیقی، همراه با ویژگی‌های جدید فراهم شود. اکنون می‌توان آهنگ‌هایی به‌مدت بیش از ۷۰ ثانیه تولید کرد.

تصاویر تولید‌شده توسط ImageFX و صداهای ساخته‌شده با MusicFX توسط واترمارک دیجیتال SynthID برچسب‌گذاری می‌شوند تا مشخص شود که تصاویر و صداها با استفاده از هوش مصنوعی ساخته شده‌اند.

تصاویر خلق‌شده با ImageFX توضیحات کاملی به‌همراه خواهند داشت که به گفته‌ی گوگل، به افراد بیشتری امکان می‌دهد تا بتوانند آن‌ها را پیدا کنند و در مورد آن‌ها اطلاعات بیشتری به‌دست بیاورند.

مدل Imagen 2 قدرت تولید تصویر در ImageFX را تأمین می‌کند. برخی ابزارهای مبتنی بر هوش مصنوعی مولد در بارد، موتور جست‌وجو، تبلیغات، Duet AI و Vertex AI نیز توسط همین مدل پشتیبانی می‌شوند. گوگل می‌گوید که Imagen 2 در حال حاضر بهترین مدل این شرکت برای خلق تصاویر است.

گوگل اعلام کرده که سرمایه‌گذاری قابل توجهی را در زمینه‌ی ایمنی تصاویر تولید شده در ابزارهای خود انجام داده تا از محتواهای خشونت‌آمیز، جعلی، غیراخلاقی و سوءاستفاده از اسم افراد سرشناس جلوگیری کند.

در حال حاضر، مدل جمنای پرو در بارد به‌طور کامل با پشتیبانی از ۴۰ زبان در بیشتر مناطق دنیا در دسترس است. خالق گوشی پیکسل ۸ پرو پیش از این گفته بود که مردم اکثر کشورها می‌توانند به‌صورت رایگان تصاویر مورد نظر خود را به‌کمک زبان انگلیسی در بارد تولید کنند.

هوش مصنوعی Sora برای تبدیل متن به ویدیو

خالق ChatGPT با رونمایی Sora نشان داد که حتی در حوزه‌ی سرویس‌های تبدیل متن به ویدیو هم حرف‌های زیادی برای گفتن دارد. خالق ChatGPT با رونمایی Sora نشان داد که حتی در حوزه‌ی سرویس‌های تبدیل متن به ویدیو هم حرف‌های زیادی برای گفتن دارد.

OpenAI می‌گوید مدل هوش مصنوعی جدیدش می‌تواند بفهمد که اشیاء مدنظر کاربر در دنیای واقعی چگونه به نظر می‌رسند. Sora همچنین دستورهای متنی را به دقت تفسیر می‌کند و کاراکترهای دقیقی می‌سازد که احساسات‌شان پرجنب‌و‌جوش به نظر می‌رسد.

مدل هوش مصنوعی جدید OpenAI افزون‌بر تبدیل متن به ویدیو می‌تواند ویدیو را از روی عکس تولید کند و همچنین توانایی پرکردن فریم‌های خالی ویدیوها و حتی افزایش زمان آن‌ها را دارد.

بیشتر بخوانید:

آغاز مبارزه جهان با هوش مصنوعی

دموهایی که از Sora نمایش داده شده‌اند، شامل مواردی مثل نمایی قدیمی از کالیفرنیا و ویدیویی در داخل توکیو می‌شوند. در اکثر این نمونه‌ها، می‌توان با کمی دقت فهمید که ویدیو توسط هوش مصنوعی ساخته شده است. OpenAI می‌گوید که Sora ممکن است در نمایش دقیق فیزیک‌های محیطی پیچیده به مشکل بخورد؛ اما به‌طور کلی نتایج حاصل از این هوش مصنوعی بسیار چشمگیرند.

تا همین چند سال پیش، سرویس‌های تبدیل متن به عکس نظیر میدجرنی سروصدای زیادی به پا کردند و حالا نوبت سرویس‌های تبدیل متن به ویدیو است که خودنمایی کنند. شرکت‌هایی مثل ران‌اوی و پیکا مدل‌های هوش مصنوعی جذابی برای ساخت ویدیو از روی متن معرفی کرده‌اند و حتی گوگل هم سرویسی مشابه دارد.

سرویس Sora فعلا به‌صورت محدود در دسترس کاربران خاص قرار دارد تا ارزیابی‌های نهایی درباره‌ی آن انجام بگیرند. OpenAI همچنین دسترسی به Sora را برای برخی از هنرمندان و طراحان و فیلمسازان ممکن کرده است تا بازخورد آن‌ها را دریافت کند.