Công nghệ tạo video AI đạt được bước đột phá lớn, tích hợp đa mô hình trở thành xu hướng mới

Gần đây, một trong những tiến bộ đáng chú ý nhất trong lĩnh vực AI là sự phát triển đột phá của công nghệ tạo video đa phương thức. Công nghệ này đã tiến hóa từ việc tạo video chỉ từ văn bản sang công nghệ tạo toàn diện tích hợp văn bản, hình ảnh và âm thanh.

Một số trường hợp đột phá công nghệ nổi bật bao gồm:

1. Khung EX-4D mã nguồn mở của một công ty công nghệ có thể biến video thông thường thành nội dung 4D với góc nhìn tự do, tỷ lệ chấp nhận của người dùng lên tới 70,7%. Công nghệ này cho phép AI tự động tạo ra hiệu ứng xem từ bất kỳ góc độ nào mà không cần đội ngũ mô hình 3D chuyên nghiệp.

2. Một ông lớn trong ngành internet đã tuyên bố rằng nền tảng "Hội Tưởng" của họ có thể tạo ra một video chất lượng "phim" trong 10 giây chỉ với một bức tranh. Hiệu quả thực tế sẽ được xác minh sau khi cập nhật phiên bản Pro vào tháng 8.

3. Một cơ sở nghiên cứu AI đã phát triển công nghệ Veo, cho phép đồng bộ tạo ra video 4K và âm thanh môi trường. Công nghệ này đã vượt qua thách thức đồng bộ âm thanh và hình ảnh trong các cảnh phức tạp, chẳng hạn như sự tương ứng chính xác giữa hành động đi bộ trong hình và tiếng bước chân.

4. Công nghệ ContentV của một nền tảng video ngắn có 80 tỷ tham số, có thể tạo ra video 1080p trong 2.3 giây, với chi phí là 3.67 nhân dân tệ/5 giây. Mặc dù kiểm soát chi phí khá tốt, nhưng vẫn còn không gian để cải thiện chất lượng sản xuất trong các cảnh phức tạp.

Những đột phá công nghệ này có ý nghĩa quan trọng trong chất lượng video, chi phí sản xuất và các tình huống ứng dụng.

1. Về giá trị công nghệ, độ phức tạp của việc tạo video đa mô hình tăng theo cấp số nhân. Nó cần xử lý việc tạo hình ảnh đơn khung (khoảng 10^6 điểm pixel), đảm bảo tính liên tục theo thời gian (ít nhất 100 khung hình), đồng bộ âm thanh (10^4 điểm mẫu mỗi giây) và sự nhất quán không gian 3D. Hiện nay, nhiệm vụ phức tạp này có thể được thực hiện thông qua việc phân tách theo mô-đun và hợp tác phân công của các mô hình lớn, chẳng hạn như chia nhỏ nhiệm vụ thành các mô-đun như ước lượng độ sâu, chuyển đổi góc nhìn, nội suy theo thời gian và tối ưu hóa kết xuất.

2. Về việc giảm chi phí, chủ yếu nhờ vào việc tối ưu hóa kiến trúc suy diễn, bao gồm chiến lược sinh lớp, cơ chế tái sử dụng bộ đệm và phân bổ tài nguyên động. Những tối ưu hóa này đã giúp một nền tảng video ngắn đạt được mức chi phí thấp 3.67 nhân dân tệ/5 giây cho việc sản xuất video.

3. Về ảnh hưởng ứng dụng, công nghệ AI đang lật đổ quy trình sản xuất video truyền thống. Trước đây, một đoạn quảng cáo dài 30 giây có thể cần chi phí sản xuất hàng trăm nghìn, giờ chỉ cần một từ gợi ý và vài phút chờ đợi. Điều này không chỉ giảm bớt rào cản về công nghệ và tài chính mà còn thực hiện được các góc độ và hiệu ứng mà quay phim truyền thống khó đạt được, có thể dẫn đến sự tái cấu trúc trong nền kinh tế của các nhà sáng tạo.

Sự phát triển của các công nghệ Web2 AI có ảnh hưởng quan trọng đến Web3 AI:

1. Sự thay đổi trong cấu trúc nhu cầu tính toán đã tạo ra cơ hội mới cho sức mạnh tính toán phân tán, tinh chỉnh mô hình, thuật toán và nền tảng suy diễn.

2. Nhu cầu gán nhãn dữ liệu tăng cường, tạo ra cơ hội mới cho nhiếp ảnh gia, kỹ sư âm thanh, nghệ sĩ 3D và các chuyên gia khác cung cấp tài liệu dữ liệu chuyên nghiệp.

3. Công nghệ AI đang phát triển theo hướng hợp tác mô-đun, tạo ra nhu cầu mới cho các nền tảng phi tập trung. Trong tương lai, sức mạnh tính toán, dữ liệu, mô hình và cơ chế khuyến khích có thể hình thành một vòng lặp tích cực tự củng cố, thúc đẩy sự kết hợp sâu sắc giữa Web3 AI và Web2 AI.