Giữa những ồn ào xung quanh Trợ lý Giọng nói GPT-4 của OpenAI, một người chơi mới đã xuất hiện - Moshi AI, một trợ lý giọng nói nguồn mở được phát triển bởi một công ty Pháp, Cute AI Labs. Giao diện web này hứa hẹn sẽ mang lại những tương tác có độ trễ thấp và nhận thức cảm xúc trong giọng nói của nó.

Điểm nổi bật của Moshi AI bao gồm:

• Độ trễ thấp: Moshi AI nhằm mục đích cung cấp một trải nghiệm giọng nói theo thời gian thực, không bị gián đoạn, khác với những phản hồi bị trì hoãn thường gặp ở các trợ lý giọng nói.

• Nhận thức cảm xúc: Trợ lý này tuyên bố có khả năng phát hiện và phản hồi lại giọng điệu cảm xúc của người dùng, mặc dù tính năng này không được thể hiện một cách nhất quán trong quá trình kiểm tra.

• Nguồn mở: Cute AI Labs có kế hoạch mở mã nguồn cho Moshi AI, cho phép các nhà phát triển tích hợp nó vào các ứng dụng của riêng họ.

Mặc dù các bài kiểm tra ban đầu đã tiết lộ một số hạn chế trong khả năng của trợ lý, như sự không nhất quán trong điều chỉnh giọng nói và phát hiện cảm xúc, tính chất nguồn mở của Moshi AI gợi ý rằng nó có tiềm năng để cải thiện theo thời gian khi cộng đồng đóng góp vào quá trình phát triển của nó.

Sự xuất hiện của Moshi AI, cùng với việc ra mắt các tính năng giọng nói của GPT-4 được mong đợi, đánh dấu một thời điểm đầy hứng khởi trong thế giới của trí tuệ nhân tạo giao tiếp. Khi các công nghệ này tiếp tục phát triển, người dùng có thể mong đợi sẽ xuất hiện nhiều trợ lý giọng nói sáng tạo và dễ tiếp cận hơn, có thể thay đổi cách chúng ta tương tác với công nghệ.

Chỉ 7 năm trước, công nghệ tạo hình ảnh AI tiên tiến nhất còn chưa được công nhận. Bây giờ, mô hình tạo video mới nhất, GenFree, đã có một bước tiến vượt bậc, tạo ra những hình ảnh trực quan sống động và sáng tạo một cách đáng kinh ngạc.

Mặc dù GenFree là một thành tựu ấn tượng, điều quan trọng là phải hiểu rõ về khả năng và giới hạn của nó. Mô hình này xuất sắc trong việc tạo ra những cảnh quay điện ảnh chất lượng cao, như cảnh quay flycam của một ngọn hải đăng, nhờ vào việc được đào tạo rộng rãi trên dữ liệu hình ảnh liên quan. Tuy nhiên, nó gặp khó khăn với những yêu cầu cụ thể hơn, như tạo ra một con rái cá lướt sóng, do thiếu những ví dụ đặc thù như vậy trong quá trình đào tạo.

Một trong những điểm mạnh chính của GenFree là khả năng kết hợp các phong cách nghệ thuật khác nhau. Bằng cách yêu cầu mô hình tạo ra một cảnh trong phong cách của họa sĩ người Hà Lan Hieronymus Bosch, kết quả là một sự pha trộn hấp dẫn giữa huyền thoại thời Trung cổ và phong cách điện ảnh hiện đại kiểu GTA.

Tuy nhiên, chi phí sử dụng GenFree có thể tăng lên rất nhanh. Mỗi lần tạo 10 giây video sẽ tốn 1 đô la tín dụng, và để đạt được kết quả mong muốn thường yêu cầu nhiều lần lặp lại. Điều này có thể khiến công cụ này trở nên quá đắt đỏ cho những người dùng chỉ muốn thử nghiệm tình cờ.

Mặc dù có những hạn chế này, tiềm năng của GenFree là không thể phủ nhận. Khi mô hình này tiếp tục được cải thiện và chi phí sử dụng giảm xuống, chúng ta có thể mong đợi sẽ thấy nhiều ứng dụng thực tế hơn, như chiến dịch quảng cáo của Motorola sử dụng video được tạo bởi AI.

Trong khi đó, cách sử dụng GenFree mang lại nhiều niềm vui nhất có thể là trong lĩnh vực khám phá và thử nghiệm sáng tạo. Yêu cầu mô hình với những sự kết hợp bất thường của các yếu tố, như "một bữa tiệc nhảy của những chú mèo đội mũ", có thể dẫn đến những kết quả kỳ lạ và tưởng tượng một cách thú vị.

Khi lĩnh vực tạo video bằng AI phát triển nhanh chóng, đây là một thời điểm đầy hứng khởi để khám phá khả năng và giới hạn của những công cụ tiên tiến này. Với sự kiên nhẫn và sẵn sàng thử nghiệm, người dùng có thể khai thác trọn vẹn tiềm năng của GenFree và mở rộng ranh giới của những gì có thể đạt được trong thế giới của hình ảnh do AI tạo ra.

11 Labs đã phát hành các tính năng mới cho nền tảng trợ lý giọng nói của họ. Các bản cập nhật chính bao gồm:

1. Giọng nói biểu tượng: Ứng dụng đọc của 11 Labs hiện cho phép người dùng ở Mỹ, Anh và Canada có văn bản của họ được đọc bằng những giọng nói biểu tượng như James Dean hoặc Bert Lahr. Điều này mang lại một chút chạm cá nhân và độc đáo cho trải nghiệm chuyển văn bản thành giọng nói.

2. Cách ly âm thanh: 11 Labs đã phát hành một công cụ AI mới có thể cách ly giọng nói khỏi âm thanh ồn ào. Điều này cho phép người dùng loại bỏ tiếng ồn nền và có được âm thanh rõ ràng, tương tự như các tính năng được phát hành bởi các công ty khác vào đầu năm nay.

3. Ứng dụng di động cho việc tạo nhạc AI: Sooner, một AI tạo nhạc, đã phát hành một ứng dụng di động cho phép người dùng tạo ra nhạc AI trên di động. Tuy nhiên, tính năng này hiện chỉ giới hạn ở người dùng iOS ở Mỹ, với phiên bản Android và phát hành toàn cầu được lên kế hoạch sau khi các khả năng đa ngôn ngữ được tích hợp.

Thông báo cập nhật này từ 11 Labs và Sooner cho thấy sự tiến bộ và mở rộng liên tục của các khả năng trợ lý giọng nói và thao tác âm thanh do AI cung cấp. Trong khi các tính năng giọng nói biểu tượng và cách ly âm thanh mang lại lợi ích ngay lập tức, ứng dụng tạo nhạc di động gợi ý về tiềm năng của sự sáng tạo do AI dẫn dắt trên di động.

Lưu ý nhanh, Luma AI cũng vừa phát hành một tính năng mới gọi là Luma Keyframes. Tính năng này cho phép bạn chuyển đổi một thứ thành thứ khác, tạo ra những chuyển tiếp mượt mà với AI video.

Chúng tôi đã quyết định thử tính năng này, sử dụng các hình ảnh được tạo bởi Mid-Journey từ video đội của chúng tôi có chủ đề Star Wars. Ý tưởng là xem tính năng Luma Keyframes sẽ xử lý những chuyển tiếp này như thế nào.

Tiếc là kết quả hơi thất vọng. Trong số 8 thành viên đội mà chúng tôi đã thử, 8 chuyển tiếp gần như không thể sử dụng được. Tính năng này thường dẫn đến một cắt cứng giữa cảnh, thay vì chuyển tiếp mượt mà mà chúng tôi mong muốn.

Có một vài ngoại lệ, như chuyển tiếp của Ariad với thanh kiếm ánh sáng, trông khá tốt. Và chuyển tiếp của Larry giữa các nhân vật giống Yoda và ác độc cũng có một số khoảnh khắc thú vị. Nhưng nhìn chung, kết quả không mượt mà như chúng tôi dự kiến.

Có vẻ như mặc dù tính năng Luma Keyframes là một ý tưởng thú vị, nhưng trong thực tế nó vẫn cần rất nhiều lặp lại và tinh chỉnh để có được kết quả có thể sử dụng được. Nội dung được tạo bởi AI, mặc dù trực quan ấn tượng, không phải lúc nào cũng phù hợp với những loại chuyển tiếp mượt mà này.

Tóm lại, tính năng Luma Keyframes thể hiện tiềm năng, nhưng dựa trên các bài kiểm tra của chúng tôi, nó vẫn chưa sẵn sàng cho sử dụng chính thức. Công nghệ vẫn đang phát triển, và chúng ta sẽ phải xem nó cải thiện như thế nào theo thời gian. Hiện tại, có lẽ tốt nhất là tiếp cận nó với những kỳ vọng vừa phải.

Motorola đã gần đây trình diễn một cách sử dụng sáng tạo của công nghệ video AI trong chiến dịch quảng cáo mới nhất của họ. Bằng cách sử dụng các công cụ như Control Net và Stable Diffusion, công ty đã có thể tạo ra một loạt hình ảnh hòa quyện logo Motorola một cách liền mạch vào các phong cách lấy cảm hứng từ thời trang.

Quy trình có thể bao gồm việc chèn logo Motorola vào các hình ảnh bằng Control Net, sau đó sử dụng Stable Diffusion để tạo ra các hình ảnh cuối cùng. Những hình ảnh này sau đó được biên tập thành một quảng cáo thương mại, kèm theo âm nhạc và hiệu ứng, để tạo ra một sản phẩm cuối cùng trực quan và ấn tượng.

Ví dụ này cho thấy các công ty đang bắt đầu khám phá các ứng dụng thực tế của việc tạo video bằng AI trong thế giới thực. Mặc dù chất lượng có thể chưa đạt đến mức độ tiên tiến nhất được trình diễn bởi Gen-Free, chiến dịch quảng cáo của Motorola cho thấy video được tạo bởi AI có thể là một giải pháp khả thi và hiệu quả về chi phí cho một số loại nội dung.

Khi công nghệ này tiếp tục được cải thiện, chúng ta có thể mong đợi thấy ngày càng nhiều thương hiệu và doanh nghiệp kết hợp video AI vào các chiến lược tiếp thị và quảng cáo của họ. Đây là một sự phát triển đầy hứng khởi trong lĩnh vực sản xuất nội dung do AI điều khiển, và sẽ rất thú vị để theo dõi ngành công nghiệp này tiếp tục phát triển trong những năm tới.

Perplexity, công cụ tìm kiếm dựa trên AI, đã giới thiệu một tính năng mới gọi là "Pro Search" nhằm cung cấp các khả năng tìm kiếm nâng cao và toàn diện hơn. Tính năng này tích hợp lập luận nhiều bước và truy cập vào các nguồn dữ liệu bên ngoài, như toán học, lập trình và Wolfram Alpha, để cung cấp kết quả tìm kiếm chính xác và thông tin hơn.

Các