أظهر أداة توليد الفيديو Keying AI التي طورتها الشركة التكنولوجية الصينية CA قدرات ملحوظة تفوق في بعض الجوانب النماذج الحديثة مثل Stable Diffusion.

إحدى الميزات الرئيسية هي آلية الانتباه ثلاثي الأبعاد للمكان والزمان، والتي تسمح للنموذج بالتقاط الحركة المكانية والزمنية المعقدة بشكل أفضل وتوليد مقاطع فيديو مع حركات أكبر مع الالتزام بقوانين الفيزياء. ويتضح ذلك في أمثلة رجل يركب حصانًا في صحراء جوبي وأحد رواد الفضاء يركض على سطح القمر، حيث تندمج حركات الشخصية والعناصر الخلفية بشكل سلس.

والجانب المثير للإعجاب الآخر هو قدرة النموذج على توليد مقاطع فيديو عالية الجودة ومتسقة تصل إلى دقيقتين بمعدل 30 إطارًا في الثانية. وهذا يُظهر فهم النظام القوي للسياق المشهد والترابط الزمني، وهو تحد نموذجي لتوليد الفيديو بواسطة الذكاء الاصطناعي.

كما أن محاكاة خصائص العالم المادي ملفتة للنظر أيضًا، كما هو موضح في مقطع الفيديو الذي يُظهر صب الحليب بعناية في كوب. يتدفق الحليب بثبات ويملأ الكوب بواقعية، مما يشير إلى إدراك النموذج لديناميكيات السوائل.

ومن الأمثلة الأكثر إثارة للإعجاب مقطع فيديو لرجل صيني يأكل النودلز باستخدام عيدان الطعام. تم التقاط التفاصيل الدقيقة، مثل الصلصة حول الشفاه، بمستوى من الواقعية يصعب التمييز عنه من لقطات فعلية.

كما يُظهر النموذج قدرة قوية على الجمع بين المفاهيم، وتوليد مشاهد جديدة لا توجد في بيانات العالم الحقيقي، مثل قطة بيضاء تقود سيارة في مدينة مزدحمة أو شخصية من الليغو تزور متحفًا للفن.

وأخيرًا، فإن قدرة النظام على توليد صور عالية الجودة وشبيهة بالأفلام هي تقدم كبير، معالجة قيدًا شائعًا لأنظمة الذكاء الاصطناعي للفيديو. ويُظهر مثال مدخنة تحت غروب الشمس الدقة البصرية المвпечатляющая التي حققها النموذج.

بشكل عام، أظهرت أداة توليد الفيديو Keying AI التي طورتها الشركة الصينية CA قدرات ملحوظة في بعض المجالات تفوق النماذج الحديثة. ويسلط هذا التطور الضوء على التقدم السريع في توليد الفيديو بواسطة الذكاء الاصطناعي وإمكانية ظهور الصين كمنافس قوي في هذا المجال.