उद्योगातील अग्रगण्य कृत्रिम बुद्धिमत्ता कव्हर करण्यासाठी नवीनतम अद्यतने आणि विशेष सामग्री मिळविण्यासाठी दररोज आणि साप्ताहिक वृत्तपत्रांमध्ये सामील व्हा. अधिक जाणून घ्या


काही वर्षांपूर्वी, “आय ट्वेनिडी व्हिडिओ मॉडेल” अशी कोणतीही गोष्ट नव्हती.

आज, डझनभर आहेत, ज्यात बर्‍याच जणांचा समावेश आहे जे एक अतिशय वास्तववादी हॉलिवूड उच्च व्हिडिओ क्लिप किंवा स्थानिक वापरकर्ता फोटो आणि व्हिडिओ सादर करण्यास सक्षम आहेत. जर आपण गेल्या काही महिन्यांत व्हेंचरबीट वाचले असेल तर यात काही शंका नाही की आपण या मॉडेल्स आणि त्यामागील कंपन्यांविषयीच्या लेखांशी सुसंगत आहात, रनवेच्या जीईएन -3 पासून ते Google च्या VEO 2 पर्यंत ओपनई पर्यंत, जे फार पूर्वी उशीर झाले आहे परंतु शेवटी लुमा आय, पिका, क्लिंग आणि चिनी किलूओला उपलब्ध आहे. पर्यंत अली बाबा गेन्मो नावाच्या स्टार्ट -अप कंपनीने मुक्त स्त्रोत आवृत्ती बनविली आहे.

खरंच, त्यांचा वापर मोठ्या चित्रपटांचे भाग तयार करण्यासाठी केला गेला आहे प्रत्येक गोष्ट, सर्वत्र एकदा टू एचबीओचा खरा अन्वेषक: नाईट कंट्री खेळणी आर ‘च्या संगीत व्हिडिओ आणि टेलिव्हिजन जाहिरातींसाठी कोका कोला? परंतु कृत्रिम बुद्धिमत्तेचे हॉलीवूड आणि तुलनेने वेगवान चित्रपट निर्माते अजूनही आहेत, तरीही क्षितिजावर अजूनही एक मोठी समस्या आहे: कॉपीराइट भीती.

आम्ही म्हणू शकतो की बहुतेक एआय एआय स्टार्टअप्स त्यांच्या प्रशिक्षण डेटाची अचूक माहिती सार्वजनिकपणे सामायिक करीत नाहीत, त्यातील बहुतेक व्हिडिओंच्या विस्तृत क्षेत्रावर प्रशिक्षण दिले गेले आहे जे इंटरनेटवर अपलोड केले गेले आहेत किंवा इतर आर्काइव्हल स्रोतांकडून गोळा केले गेले आहेत, ज्यांच्याकडे आधीपासूनच एआय व्हिडिओ कंपन्यांना स्पष्ट परवानगी देण्यात आली असेल. खरं तर, या विशिष्ट प्रकरणात सामूहिक खटल्याचा सामना करणा companies ्या कंपन्यांपैकी रनवे आहे (अजूनही न्यायालयांद्वारे कार्यरत आहे), या विशिष्ट प्रकरणात, असे म्हटले जाते तसेच या हेतूसाठी. संघर्ष सुरू आहे – व्हिडिओ समाविष्ट केलेला डेटा योग्य आणि परिवर्तित आहे की नाही.

परंतु आता कॉपीराइटशी संबंधित असलेल्यांसाठी एक नवीन पर्याय आहे आणि त्यांना एक प्रश्नचिन्ह आहे कारण त्यांना मॉडेल वापरण्याची इच्छा नाही: एक उदयोन्मुख कंपनी म्हणतात मूनवाली गूगल डीपमिंडर्स आणि मेटा, मायक्रोसॉफ्ट आणि टिकटोकच्या माजी संशोधकांनी इतर गोष्टींबरोबरच स्थापना केली – मेरी, जे हॉलिवूड स्टुडिओ आणि संस्था आणि ट्रेडमार्कसाठी डिझाइन केलेले एक मेरी व्हिडिओ मॉडेल आहे. एआय स्थापित करण्यासाठी मेरीला “क्लीन” मॉडेल म्हणून त्याच्या स्थितीत ठेवले गेले होते आणि मॅरे यांना केवळ मालकीच्या आणि परवानाधारक डेटाचे प्रशिक्षण दिले जाते, जे स्क्रॅपिंग सामग्रीचा वापर करून विकसित केलेल्या कृत्रिम बुद्धिमत्ता मॉडेल्सला नैतिक पर्याय प्रदान करते.

“लोक म्हणाले की, डेटा स्क्रॅपिंग डेटा न वापरता प्रगत कृत्रिम बुद्धिमत्तेचा व्हिडिओ तयार करणे तांत्रिकदृष्ट्या शक्य नाही,” मोनव्हलीचे मुख्य कार्यकारी अधिकारी आणि सह -फॉन्डर नायम तालुकदार यांनी सांगितले. “आम्ही अन्यथा सिद्ध केले आहे.”

आता वेटिंग लिस्टच्या आधारे उपलब्ध असलेल्या मॅरे अ‍ॅडोब फायरफ्लाय फायर फॉर्ममध्ये सामील होतात, ज्यात असे म्हटले आहे की या दीर्घ सॉफ्टवेअर विक्रेत्याने असेही म्हटले आहे की संस्थांच्या दृष्टीने त्याला परवानाधारक डेटा आणि अ‍ॅडोब स्टॉक डेटा (काही भागधारकांच्या वादासाठी) प्रशिक्षण दिले गेले होते-आणि संस्थांना नुकसान भरपाई प्रदान करते. मूनवाली देखील भरपाई प्रदान करते या दस्तऐवजाचा परिच्छेद 7असे म्हणत की ती तिच्या स्वत: च्या खर्चाने आपल्या ग्राहकांचा बचाव करेल.

मूनवॅलीची आशा आहे की ही मेरी वैशिष्ट्ये मोठ्या स्टुडिओसाठी आकर्षक बनवतील आणि रनवेसारख्या इतरांप्रमाणेच, त्यांच्या-फिल्ममॅकर्सशी सौदा करतात, नवीन व्हिडिओ निर्मिती पर्यायांच्या अंतहीन आणि सतत वाढत्या संग्रहात.

अधिक “नैतिक” व्हिडिओ बुद्धिमत्ता व्हिडिओ?

मेरी हा मूनव्हली आणि एस्टेरिया यांच्यातील सहकार्याचा परिणाम आहे, जो कलाकारांच्या नेतृत्वात एआयचा फिल्म स्टुडिओ आहे. हे मॉडेल सर्जनशील व्यावसायिकांना त्याऐवजी बदलण्याऐवजी आणि पारंपारिक उद्योग मानके राखताना व्हिडिओ कृत्रिम बुद्धिमत्ता तयार करण्यासाठी नवीन साधने प्रदान करण्यासाठी मदत करण्यासाठी डिझाइन केलेले आहे.

तालुकदार म्हणाले, “या उद्योगात या उद्योगात या उद्योगात प्रचलित दत्तक घेणार नाही ही आमची खात्री आहे,” तालुकदार म्हणाले. “हा उद्योग उच्च आणि स्पष्ट होता की प्रत्यक्षात या मॉडेल्सचा वापर करण्यासाठी आपल्याला स्वच्छ मॉडेल कसे तयार करावे हे माहित असणे आवश्यक आहे. आणि आजही वरचा मार्ग ते करू शकला नाही.”

इंटरनेट काढून टाकण्याऐवजी, मूनव्हॅलीने त्यांचे फुटेज परवाना देण्यासाठी या निर्मात्यांशी थेट संबंध ठेवले. या भागीदारी तयार करण्यासाठी आणि प्रशिक्षणासाठी आणि परवाना देण्यासाठी वापरलेला सर्व डेटा पूर्णपणे प्राप्त करण्यासाठी कंपनीला कित्येक महिने लागले.

मूनवाली परवाना धोरण सामग्री निर्मात्यांना त्यांच्या योगदानाची भरपाई करुन समर्थन देण्यासाठी देखील डिझाइन केले आहे.

“आम्ही काय करीत आहोत हे लोक ऐकू लागल्यानंतर आमचे बहुतेक नाते खरोखरच प्रत्यक्षात येतात,” तालुकदार म्हणाले. “तरुण निर्मात्यांसाठी, त्यांचे बरेच शॉट्स फक्त बसले आहेत. आम्हाला त्यात गुंतवणूक करण्यास मदत करायची आहे आणि आम्हाला कलाकारांवर लक्ष केंद्रित करणार्‍या मॉडेल्सवर लक्ष केंद्रित करायचं आहे. हे खूप चांगल्या नात्याने संपते.”

तालुकदार व्हेंचरबीट यांनी सांगितले की कंपनी अद्याप नुकसान भरपाईच्या मॉडेलचे मूल्यांकन आणि नाकारत आहे, परंतु ते सामान्यत: त्यांच्या शॉट्सच्या कालावधीच्या आधारे निर्मात्यांना नुकसान भरपाई देतात आणि ते निश्चित परवाना देणा agence ्या करारांनुसार दर तासाला किंवा चिंता देतात (उदाहरणार्थ, 12 किंवा 4 महिने). सामग्री वापरली जात असल्यास हे पुनरावृत्ती होणा payments ्या देयकास अनुमती देते.

कंपनीचे उद्दीष्ट आहे की अतिरेकी व्हिडिओ उत्पादन सुलभ आणि महागडे बनविणे, ज्यामुळे चित्रपट निर्माते, स्टुडिओ आणि जाहिरातदारांना कायदेशीर किंवा नैतिक चिंतेशिवाय कृत्रिम बुद्धिमत्तेमधून तयार केलेल्या कथांची कहाणी एक्सप्लोर करण्याची परवानगी देणे.

मजकूर दावे, फोटो आणि कॅमेरा ट्रेंडमागील अधिक सिनेमॅटिक नियंत्रण

तालुकदार यांनी स्पष्ट केले की ग्राहक अनुप्रयोगांऐवजी व्यावसायिक उत्पादनावर लक्ष केंद्रित करून मूनवलीने सध्याच्या कृत्रिम बुद्धिमत्ता व्हिडिओ मॉडेल्सच्या मेरी एआय व्हिडिओ मॉडेलसह वेगळ्या दृष्टिकोनाचा पाठपुरावा केला.

ते म्हणाले, “बहुतेक प्रसूती व्हिडिओ कंपन्या आज ग्राहकांवर लक्ष केंद्रित करतात. “ते चॅट चॅटची मागणी करतात, काही क्लिप तयार करतात आणि उत्कृष्ट प्रभाव जोडतात तेव्हा ते साधे मॉडेल तयार करतात. आमचे लक्ष वेगळे आहे – हॉलिवूड स्टुडिओसाठी तंत्रज्ञान काय आवश्यक आहे? सुपर बाउल जाहिराती बनवण्यासाठी मुख्य ब्रँड काय करतात?”

मेरी कृत्रिम बुद्धिमत्तेतून तयार केलेल्या व्हिडिओमध्ये बर्‍याच घडामोडी ऑफर करते, यासह:

  • मूळ एचडी पिढी एक उच्च -रेसोल्यूशन व्हिडिओ उंचीवर अवलंबून न राहता जन्माला येतो आणि ऑप्टिकल कलाकृती कमी करते.
  • विस्तारित व्हिडिओची लांबी बहुतेक एआयच्या व्हिडिओ मॉडेल्सच्या विपरीत, जे केवळ काही सेकंद शॉट्स तयार करतात, मेरी एका पासमध्ये 30 -सेकंद अनुक्रम तयार करू शकते.
  • प्रकार -आधारित संपादकीय इतर संयोजन व्हिडिओ मॉडेल्सच्या विपरीत, मेरी वापरकर्त्यांना परिचय, मध्यम आणि पार्श्वभूमी स्वतंत्रपणे संपादित करण्याची परवानगी देते, व्हिडिओ रचनांचे अधिक अचूक नियंत्रण प्रदान करते.
  • कथेची आणि रेखांकनाची माहिती -केवळ मजकूर दाव्यांवर अवलंबून राहण्याचे (जे बरेच कृत्रिम बुद्धिमत्ता मॉडेल करतात), मेरी फिल्म निर्माते कथा, ग्राफिक्स आणि अगदी जिवंत संदर्भ तयार करू शकतात, ज्यामुळे ते व्यावसायिकांसाठी सुलभ करतात.
  • वातानुकूलन इनपुटला प्रतिसाद म्हणून अधिक मॉडेल ग्राफिक्स आणि हालचाली संदर्भ सारख्या बाह्य इनपुटचे अधिक चांगले वर्णन करण्यासाठी डिझाइन केलेले आहे, जे कृत्रिम बुद्धिमत्तेद्वारे तयार केलेले व्हिडिओ अधिक नियंत्रित करते.
  • “मूळ” व्हिडिओ संपादक मूनवॅलीने मॅरेसह सोबतचा प्रोग्राम विकसित केला आहे, जो मूळ व्हिडिओ संपादन साधन म्हणून कार्य करतो जे वापरकर्त्यांना प्रकल्प आणि वेळापत्रक अधिक प्रभावीपणे व्यवस्थापित करण्यात मदत करते.

“मॉडेल स्वतःच नियंत्रणाच्या शक्यतेवर आधारित आहे,” तालुकदार यांनी स्पष्ट केले. “आपल्याकडे आउटपुटच्या आसपास अधिक नियंत्रणे असणे आवश्यक आहे – अक्षरे बदलण्याच्या क्षमतेमध्ये. हे पहिले मॉडेल आहे जे आपल्याला लेयरच्या आधारे संपादन करण्यास अनुमती देते, जेणेकरून आपण समोर, मध्यम आणि पार्श्वभूमी स्वतंत्रपणे संपादित करू शकता. हे हॉलिवूडसाठी तयार केलेले हे पहिले मॉडेल देखील आहे, खासकरून उत्पादनासाठी डिझाइन केलेले.”

याव्यतिरिक्त, त्याने व्हेंचरबीटला सांगितले की मेरी एक मिश्रित -ट्रान्सफर मॉडेलवर अवलंबून आहे जी स्प्रेड आणि ट्रान्सफॉर्मर -आधारित संरचनेची जोड देते.

तालुकदार म्हणाले: “मॉडेल विखुरलेल्या मॉडेल्सचे मॉडेल आहेत, म्हणून ते ट्रान्सफॉर्मर्सची रचना आहेत, त्यानंतर आपल्याकडे थरांचा भाग म्हणून एक प्रसार आहे.” “जेव्हा आपण नियंत्रण ऑफर करता तेव्हा आपण त्या स्तरांद्वारे हे करा.”

कुलगुरू नावाच्या नावाने वित्तपुरवठा केलेले, परंतु उत्स्फूर्त संस्थेच्या इतर स्टार्टअप्स (आतापर्यंत) इतके नाही

मूनवॅलीने या आठवड्यात बेसेमर व्हेंचर पार्टनर्स, खोसला व्हेंचर्स आणि जनरल कॅटॅलिस्ट यांच्या नेतृत्वात million 70 दशलक्ष डॉलर्सचा बियाणे दौरा जाहीर केला. हेमंत तनेजा, समीर कौल आणि बायरन डीटर देखील कंपनीच्या संचालक मंडळामध्ये सामील झाले.

तालुकदार यांनी लक्ष वेधले की मूनव्हलीचे वित्तपुरवठा त्याच्या काही प्रतिस्पर्ध्यांपेक्षा खूपच कमी आहे, आतापर्यंत – धावपट्टीचे अस्तित्व नोंदवले गेले आहे एकूण अनेक फे s ्यांमध्ये रॅपिड 270 दशलक्ष डॉलर्स – परंतु कृत्रिम बुद्धिमत्तेतून संशोधक आणि अभियंत्यांची उच्चभ्रू टीम एकत्रित करून त्याची संसाधने सुधारणे.

ते म्हणाले: “आम्ही सुमारे 70 दशलक्ष डॉलर्स गोळा केले आहेत, म्हणजेच आमच्या प्रतिस्पर्ध्यांपेक्षा थोडेसे कमी.” “परंतु हे खरोखर संघाचा सारांश देते – कारण या आर्किटेक्चरला अधिक कार्यक्षमतेने तयार करू शकेल आणि या सर्व भिन्न गोष्टींची गणना करू शकेल अशा संघाने त्याचा परिणाम झाला आहे.”

निवडलेल्या स्टुडिओ आणि मूव्ही फॅक्टरीजने फॉर्मची चाचणी घेत असलेल्या मेरी सध्या मर्यादित प्रवेश टप्प्यावर आहेत. मूनवाली येत्या आठवड्यात हळूहळू प्रवेश वाढविण्याची योजना आखत आहे.

“सध्याच्या वेळी, असे अनेक स्टुडिओ आहेत जे पोहोचू शकले आहेत आणि आमच्याकडे काही डझन संचालक असलेले अल्फा गट आहे जे ते वापरतात,” असे ठामपणे सांगितले. “दोन आठवड्यांत दोन आठवड्यांत पूर्ण उपलब्ध होईल, दोन महिन्यांतील सर्वात वाईट स्थिती.”

मेरी, मॉन्व्हली आणि अ‍ॅस्टेरियाच्या लाँचिंगमुळे, स्टुडिओ आणि ब्रँड सर्जनशील सुरक्षेसाठी पूर्वग्रह न ठेवता कृत्रिम बुद्धिमत्ता समाकलित करणारे एक समाधान देतात म्हणून त्यांनी स्वत: ला कृत्रिम बुद्धिमत्ता फिल्ममेकिंगच्या अग्रभागी ठेवण्याचे लक्ष्य ठेवले आहे. परंतु माझ्या प्रतिस्पर्ध्यांसह एआय व्हिडिओ सुरू करण्यासाठी, जसे की रनवे, पिका आणि सन्मान हस्तकला आणि हालचालींचा आवाज यासारख्या नवीन वैशिष्ट्ये जोडणे सुरू ठेवा.


Source link