قامت شركة Google DeepMind بإحراز اختراق مثير للاهتمام في تكنولوجيا التوليد السمعي المرئي. يمكن لنموذجهم الجديد إضافة مقاطع صامتة تتوافق مع الصوتيات في المشهد، وتصاحب الإجراءات على الشاشة، وأكثر من ذلك.

تُظهر الأمثلة التي شاركوها قدرات النموذج المвпечатляющة. يمكنه توليد مؤثرات صوتية واقعية مثل ولولة الذئب، وعزف الهارمونيكا عند غروب الشمس، وأداء الطبال على المسرح مع أضواء وميضية وجمهور مشجع. يتزامن الصوت بشكل سلس مع الإشارات المرئية، مما يخلق تجربة مقنعة وغامرة للغاية.

ما يجعل هذه التكنولوجيا ملحوظة بشكل خاص هو قدرتها على الذهاب إلى ما هو أبعد من المؤثرات الصوتية البسيطة. يستفيد النموذج من بكسلات الفيديو والنصوص المطلوبة لتوليد موسيقى تصويرية غنية ودينامية تكمل المرئيات على الشاشة بشكل حقيقي. هذا تقدم كبير عن الأنظمة الحالية التي تعتمد فقط على النصوص المطلوبة لتوليد الصوت.

يسمح نهج Google بتجربة سمعية بصرية أكثر تكاملاً وترابطاً، حيث يعزز تصميم الصوت المحتوى الإجمالي. قد يكون لهذا آثار بعيدة المدى على تطبيقات متنوعة، من صناعة الأفلام والإنتاج المرئي إلى التجارب التفاعلية والبيئات الافتراضية.

مع استمرار Google في تطوير وتحسين هذه التكنولوجيا، سيكون من المثير للاهتمام رؤية كيف سيستفيد المبدعون والمطورون منها لدفع حدود ما هو ممكن في مجال السرد السمعي البصري وإنشاء المحتوى.

لقد قامت Google بتحول كبير من كونها مختبر بحثي إلى مصنع منتجات الذكاء الاصطناعي. لقد كان هذا التحول تحديًا كبيرًا للشركة، حيث تحاول التوازن بين التركيز على السلامة وعدم الإسراع في إطلاق المنتجات، بينما تحتاج أيضًا إلى مواكبة الوتيرة السريعة لتطوير الذكاء الاصطناعي في الصناعة.

لقد فقدت الشركة الباحثين بشكل مستمر، حيث غادر الأشخاص الذين يريدون رؤية أعمالهم تُشحن إلى الجماهير للانضمام إلى شركات مثل Anthropic أو لبدء شركات ناشئة مركزة على الذكاء الاصطناعي. لقد كان هذا "تسرب الأدمغة" مشكلة كبيرة بالنسبة لـ Google، حيث تكافح للحفاظ على موقعها كرائد في أبحاث وتطوير الذكاء الاصطناعي.

على الرغم من هذه التحديات، تعمل Google على دمج مختبريها للذكاء الاصطناعي لتطوير خدمات تجارية. قد يؤدي هذا الإجراء إلى النيل من قوتها الطويلة الأمد في البحث الأساسي، حيث تركز الشركة على تطوير المنتجات. يعكس السخط داخل الشركة بشأن هذا الدفع نحو التجارية النقد الداخلي الذي واجهته الشركة على مدار العامين الماضيين، حيث كافحت لإحضار الذكاء الاصطناعي التوليدي إلى المستهلكين.

بشكل عام، تواجه Google موقفًا صعبًا، حيث تحاول التوازن بين جهود البحث والحاجة إلى تطوير وشحن منتجات الذكاء الاصطناعي التي يمكن أن تنافس مع ChatGPT وأنظمة الحالة الراهنة الأخرى. سيكون من المثير للاهتمام رؤية كيف سيتصرف قادة الشركة، بما في ذلك Demis Hassabis و Sundar Pichai، في التعامل مع هذا التحدي وما إذا كانوا سيتمكنون من الحفاظ على موقع Google كرائد في صناعة الذكاء الاصطناعي.

في خطوة لرفع مستوى إنشاء المحتوى، قدمت TikTok Symphony، حزمة الذكاء الاصطناعي الإبداعية الجديدة لديها. تم تصميم Symphony لدمج الخيال البشري مع كفاءة الذكاء الاصطناعي، وهي تمثل تطور المساعد الإبداعي الحالي لـ TikTok.

يساعد هذا المساعد الافتراضي المدعوم بالذكاء الاصطناعي المستخدمين على إنشاء مقاطع فيديو أفضل من خلال تحليل الاتجاهات وأفضل الممارسات، ثم توليد محتوى يتماشى مع هذه الرؤى. يمكن للمستخدمين استيراد معلومات المنتج والأصول الوسائطية الخاصة بهم، وسيقوم Symphony بإنشاء محتوى مُحسّن لـ TikTok بسرعة.

في حين أن Symphony لا ينشئ محتوى مكوّن بالكامل من الذكاء الاصطناعي، فإنه يقوم بتركيب مدخلات المستخدم مع الذكاء الاصطناعي لإنتاج محتوى بكميات كبيرة. يهدف هذا النهج إلى توفير الوقت للمنشئين مع تجنب مشكلات المحتوى المولد بالكامل بواسطة الذكاء الاصطناعي على خطوط زمن وسائل التواصل الاجتماعي.

بالإضافة إلى ذلك، يوفر Symphony ميزات مثل الوصول العالمي من خلال الترجمة والتسجيل الآلي، وكذلك مكتبة من الشخصيات الافتراضية المبنية مسبقًا للاستخدام التجاري. تساعد هذه الأدوات على كسر حواجز اللغة وتوفير حلول فعالة من حيث التكلفة للعلامات التجارية لإحضار منتجاتها إلى الحياة.

بشكل عام، يمثل Symphony الخاص بـ TikTok تطورًا في قدرات إنشاء المحتوى على المنصة، مع دمج الإبداع البشري مع الكفاءة المدفوعة بالذكاء الاصطناعي لتمكين المستخدمين والعلامات التجارية في مساعيهم على وسائل التواصل الاجتماعي.

أصدرت Meta عددًا كبيرًا من النماذج المفتوحة، والمتوقع أن يكون لها تأثير كبير على مجتمع الذكاء الاصطناعي. هذه النماذج ليست ثورية، ولكن من المؤكد أنها ستدفع المزيد من الابتكارات والتطورات.

ينبع نهج Meta لمشاركة نماذجهم البحثية الأحدث وحزم البيانات من التزامهم الطويل الأمد بالعلوم المفتوحة والمشاركة العامة لأعمالهم. يهدف هذا الإجراء إلى تمكين المجتمع من الابتكار بشكل أسرع وتطوير أبحاث جديدة.

تشمل بعض النماذج والتقنيات الرئيسية التي أطلقتها Meta ما يلي:

1. نموذج التنبؤ متعدد الرموز: نموذج يمكنه التفكير في إخراجات متعددة في وقت واحد، مما يؤدي إلى استنتاج أسرع.
2. Meta Chameleon: نموذج يمكنه التفكير في الصور والنص باستخدام معمارية الاندماج المبكر، مما يسمح بنهج أكثر توحيدًا.
3. Meta Audio Seal: تقنية جديدة لوضع علامات مائية على قطع الصوت، مما يمكّن من تحديد موقع والكشف عن الكلام المولد بواسطة الذكاء الاصطناعي.
4. Meta Jukebox: تقنية لتوليد الموسيقى تسمح بتحسين الشرط على الأوتار والإيقاع.
5. مجموعة بيانات Prism: مجموعة بيانات تمكّن من تحقيق تنوع أفضل من الميزات الجغرافية والثقافية.

تُظهر هذه الإصدارات التزام Meta تجاه مجتمع المصدر المفتوح ورغبتهم في أن يكونوا رائدين في هذا المجال. من خلال توفير هذه النماذج والتقنيات القوية، تمكّن Meta المجتمع من البناء على أعمالهم ودفع المزيد من التطورات في مجال الذكاء الاصطناعي.

يتناقض النهج المفتوح المصدر الذي اتبعته Meta مع النهج الأكثر انغلاقًا لبعض شركات التكنولوجيا الأخرى. من المرجح أن يُرحب به مجتمع الذكاء الاصطناعي، حيث سيعزز الابتكار والتعاون، مما سيؤدي في النهاية إلى اختراقات أكبر في هذا المجال.

قدمت Runway Gen 3 Alpha، وهو الأول في سلسلة قادمة من النماذج المدربة على بنية متعددة الوسائط كبيرة النطاق. الميزة البارزة لهذا النموذج هي قدرته على توليد شخصيات بشرية واقعية جدًا من النصوص المطلوبة.

إن مخرجات النص إلى الفيديو من Gen 3 Alpha مذهلة حقًا، حيث تبدو الشخصيات البشرية واقعية وطبيعية للغاية. بالمقارنة مع نماذج أخرى مثل DALL-E و Stable Diffusion، تبدو الشخصيات البشرية الواقعية المولدة بواسطة Runway أقل عيوبًا، مما يجعل من الصعب التمييز بينها وبين المشاهد الحقيقية.

يمثل هذا التقدم محطة هامة في مجال المحتوى المولد بواسطة الذكاء الاصطناعي، مما يمحو الحدود بين الواقع والخيال. تثير جودة المخرجات أسئلة حول التأثير المحتمل على إنشاء المحتوى والتحقق منه، حيث يصبح من الصعب تمييز ما هو حقيقي وما هو مولد بواسطة الذكاء الاصطناعي.

لم تجعل Runway Gen 3 Alpha متاحًا للجمهور بعد، ولكن الإطلالة المقدمة تشير إلى أن الشركة في طليعة تكنولوجيا توليد النص إلى الفيديو. مع اشتداد المنافسة في هذا المجال، سيكون من المثير للاهتمام رؤية كيف يتفوق نموذج Runway على الإصدارات القادمة الأخرى وكيف ستتطور الصناعة.

قدمت Hedra Labs نموذج بحث مبتكر يُدعى "Character One" يعالج تحديًا رئيسيًا في توليد الفيديو بواسطة الذكاء الاصطناعي - تو