Công cụ tạo video Keying AI do công ty công nghệ Trung Quốc CA phát triển đã thể hiện những khả năng đáng kinh ngạc, vượt trội hơn các mô hình tiên tiến như Stable Diffusion trong một số khía cạnh.

Một trong những tính năng chính là cơ chế chú ý không gian-thời gian 3D, cho phép mô hình nắm bắt được các chuyển động không gian-thời gian phức tạp hơn và tạo ra các video với những chuyển động lớn hơn, đồng thời vẫn tuân thủ các định luật vật lý. Điều này rõ ràng trong các ví dụ về một người đàn ông cưỡi ngựa ở sa mạc Gobi và một phi hành gia chạy trên bề mặt mặt trăng, nơi các chuyển động của nhân vật và các yếu tố nền được kết hợp một cách liền mạch.

Một khía cạnh ấn tượng khác là khả năng của mô hình trong việc tạo ra các video chất lượng cao, nhất quán lên đến 2 phút với tốc độ 30 khung hình/giây. Điều này thể hiện sự hiểu biết mạnh mẽ của hệ thống về ngữ cảnh của cảnh và sự liên tục về mặt thời gian, thường là một thách thức đối với việc tạo video bằng trí tuệ nhân tạo.

Việc mô phỏng các đặc tính của thế giới vật lý cũng đáng kinh ngạc, như được thể hiện trong đoạn video về việc rót sữa cẩn thận vào một cốc. Sữa chảy đều đặn và lấp đầy cốc một cách thực tế, cho thấy mô hình nắm bắt được động lực học chất lỏng.

Một trong những ví dụ ấn tượng nhất là đoạn video về một người đàn ông Trung Quốc ăn mì bằng đũa. Những chi tiết tinh tế, như vết sốt xung quanh miệng, được ghi lại với mức độ thực tế khó phân biệt với các đoạn phim thực tế.

Mô hình cũng thể hiện khả năng kết hợp khái niệm mạnh mẽ, tạo ra các cảnh mới lạ không tồn tại trong dữ liệu thế giới thực, như một con mèo trắng lái xe qua một thành phố đông đúc hoặc một nhân vật Lego tham quan một phòng tranh.

Cuối cùng, khả năng của hệ thống trong việc tạo ra các hình ảnh chất lượng cao, giống như phim ảnh là một bước tiến đáng kể, giải quyết một hạn chế phổ biến của các hệ thống trí tuệ nhân tạo video. Ví dụ về một ống khói dưới ánh hoàng hôn thể hiện độ trung thực ấn tượng mà mô hình đã đạt được.

Nói chung, công cụ tạo video Keying AI do công ty Trung Quốc CA phát triển đã thể hiện một mức độ khả năng đáng kinh ngạc, vượt trội hơn các mô hình tiên tiến hiện tại trong một số lĩnh vực. Sự phát triển này nổi bật sự tiến bộ nhanh chóng trong lĩnh vực tạo video bằng trí tuệ nhân tạo và tiềm năng để Trung Quốc trở thành một đối thủ mạnh mẽ trong lĩnh vực này.

Công cụ tạo video Keying AI của công ty công nghệ Trung Quốc CA đã thể hiện những khả năng đáng kinh ngạc trong việc tạo ra các đoạn video nhất quán và chất lượng cao. Một số điểm nổi bật chính bao gồm:

1. Chú ý không gian-thời gian 3D: Hệ thống sử dụng cơ chế chú ý không gian-thời gian 3D để mô hình hóa tốt hơn các chuyển động không gian-thời gian phức tạp, tạo ra nội dung video với các chuyển động lớn hơn trong khi vẫn tuân thủ các định luật vật lý. Điều này rõ ràng trong các đoạn video về một người đàn ông cưỡi ngựa ở sa mạc Gobi và một phi hành gia chạy trên bề mặt mặt trăng.

2. Tạo video dài hơn: Hệ thống có thể tạo ra các video dài lên đến 2 phút với tốc độ 30 khung hình/giây, duy trì mức độ nhất quán và liên tục về mặt thời gian trong suốt toàn bộ thời lượng. Đây là một bước tiến đáng kể so với các mô hình tạo video trước đây.

3. Mô phỏng thế giới vật lý: Hệ thống thể hiện sự hiểu biết sâu sắc về các đặc tính của thế giới vật lý, mô phỏng chính xác dòng chảy của chất lỏng, việc cắt hành và các tương tác vật lý khác. Mức độ thực tế này là rất quan trọng để tạo ra nội dung video đáng tin cậy.

4. Khả năng kết hợp khái niệm: Hệ thống có thể kết hợp các khái niệm một cách liền mạch để tạo ra các kịch bản video mới lạ, như một con mèo trắng lái xe qua một thành phố đông đúc hoặc một nhân vật Lego tham quan một phòng tranh. Điều này thể hiện sự linh hoạt và sáng tạo của hệ thống.

5. Tạo hình ảnh chất lượng cao: Ngoài việc tạo video, hệ thống cũng có thể tạo ra các hình ảnh chất lượng phim ảnh dựa trên các lời nhắc văn bản, mở rộng thêm khả năng của nó.

6. Hỗ trợ tỷ lệ khung hình đa dạng: Hệ thống có thể xuất ra các video với nhiều tỷ lệ khung hình khác nhau, bao gồm dọc, vuông và ngang, để đáp ứng nhu cầu của các định dạng và kịch bản video khác nhau.

Nói chung, công cụ tạo video Keying AI của CA đại diện cho một bước tiến đáng kể trong lĩnh vực trí tuệ nhân tạo chuyển văn bản thành video, thể hiện sự nhất quán, thực tế và linh hoạt ấn tượng. Sự phát triển này nổi bật sự tiến bộ nhanh chóng trong khả năng trí tuệ nhân tạo của Trung Quốc và tiềm năng cạnh tranh gia tăng trong bối cảnh toàn cầu.

Một trong những khả năng ấn tượng nhất được thể hiện bởi hệ thống tạo video Keeling AI là khả năng mô phỏng các đặc tính vật lý của thế giới thực. Điều này rõ ràng trong một số ví dụ được trình bày trong bản ghi.

Ví dụ đầu tiên cho thấy một lời nhắc "cẩn thận rót sữa vào cốc, sữa chảy đều đặn và cốc dần được lấp đầy bằng màu trắng sữa". Đoạn video kết quả hiển thị sự nhất quán đáng kinh ngạc trong cách sữa chảy và lấp đầy cốc, tuân thủ các định luật vật lý.

Một ví dụ khác là đoạn video về một đầu bếp cắt hành trong bếp. Cách các miếng hành được xử lý bởi con dao, với các mảnh vỡ ra khi chuyển động cắt tiến triển, thể hiện sự hiểu biết sâu sắc về các tương tác vật lý liên quan đến nhiệm vụ này.

Bản ghi cũng nhấn mạnh khả năng của hệ thống trong việc nắm bắt những chi tiết tinh tế, như vết bẩn xung quanh miệng của người đàn ông ăn mì bằng đũa. Mức độ thực tế này trong việc mô phỏng các đặc tính của thế giới vật lý thực sự ấn tượng và khiến hệ thống Keeling AI vượt trội so với các mô hình tạo video trước đây.

Nói chung, khả năng của hệ thống trong việc tạo ra các video tuân thủ các nguyên tắc của thế giới vật lý là minh chứng cho những năng lực tiên tiến của kiến trúc và quá trình đào tạo cơ bản của nó. Tính năng này cho phép hệ thống tạo ra nội dung video thực tế và nhất quán, gần giống với các kịch bản thế giới thực.

Hệ thống trí tuệ nhân tạo này thể hiện khả năng đáng kinh ngạc trong việc kết hợp các khái niệm khác nhau và tạo ra các đoạn video độc đáo không tồn tại trong các đoạn phim thực tế. Một số ví dụ được trình bày bao gồm:

• Một con mèo trắng lái xe qua một con phố đông đúc ở trung tâm thành phố với các tòa nhà cao và người đi bộ ở nền. Đây là một cảnh không bao giờ được ghi lại trên camera trước đây, nhưng hệ thống trí tuệ nhân tạo có thể kết hợp một cách liền mạch các yếu tố này thành một đoạn video nhất quán và có vẻ thực tế.

• Góc máy macro của một núi lửa phun trào bên trong một tách cà phê. Một lần nữa, đây là một kịch bản không thể xảy ra trong thực tế, nhưng hệ thống trí tuệ nhân tạo có thể tạo ra một đoạn video ấn tượng về mặt thị giác và có vẻ như có thể xảy ra.

• Một nhân vật Lego tham quan một phòng tranh. Hệ thống nắm bắt chính xác các chuyển động tinh tế và cử chỉ của một con Lego, kết hợp nó một cách thuyết phục với bối cảnh của một phòng tranh.

Những ví dụ này thể hiện "khả năng kết hợp khái niệm" mạnh mẽ của hệ thống - khả năng lấy các yếu tố khác nhau và kết hợp chúng thành nội dung video mới lạ. Đây là một thành tựu đáng kinh ngạc, vì nó chứng tỏ sự hiểu biết của trí tuệ nhân tạo về thế giới và khả năng sáng tạo kết hợp các khái niệm theo cách chưa từng được nhìn thấy trước đây. Điều này mở ra những khả năng mới trong việc tạo ra nội dung video độc đáo và sáng tạo vượt ra ngoài việc chỉ sao chép các đoạn phim hiện có.

Một trong những tính năng ấn tượng nhất của hệ thống trí tuệ nhân tạo này là khả năng tạo ra các hình ảnh chất lượng cao, giống như phim ảnh. Đây là một bước tiến đáng kể so với các hệ thống video trí tuệ nhân tạo trước đây, những hệ thống thường gặp khó khăn trong chất lượng hình ảnh.

Hệ thống có thể tạo ra các hình ảnh chính xác và chi tiết đáng kinh ngạc dựa trên các lời nhắc được cung cấp. Ví dụ, lời nhắc "một ống khói dưới ánh hoàng hôn" tạo ra một hình ảnh thực tế đáng kinh ngạc, với ống khói và bầu trời được thể hiện một cách sống động.

Tương tự, đoạn video trình bày "những cánh hoa hồng xanh chất lượng cao ở độ phân giải cao" thể hiện khả năng của hệ thống trong việc tạo ra những hình ảnh ấn tượng về mặt thị giác và độ phân giải cao. Mức độ chi tiết và thực tế trong những hình ảnh này thực sự đáng kinh ngạc, vượt xa những gì nhiều người mong đợi từ một hình ảnh do trí tuệ nhân tạo tạo ra.

Khả năng tạo ra hình ảnh chất lượng phim ảnh này là một bước tiến đáng kể và có thể có