Luma AI vừa mới ra mắt công cụ tạo video mới của họ, Dream Machine, nhằm cạnh tranh với các nền tảng tạo video dựa trên trí tuệ nhân tạo khác như Soar, Veo, Cling, Pika và Runway. Mặc dù công cụ này thể hiện tiềm năng trong một số kịch bản, nhưng vẫn còn một số hạn chế mà người dùng cần lưu ý.

Một trong những vấn đề chính của Dream Machine là thời gian chờ đợi lâu để tạo video, đặc biệt là trong những thời điểm nhu cầu cao. Trong những ngày đầu, một số yêu cầu mất tới 7 giờ để bắt đầu xử lý, điều này có thể rất khó chịu đối với người dùng. Luma đã mở rộng cơ sở hạ tầng của họ, nhưng thời gian chờ đợi vẫn có thể đáng kể.

Về chất lượng của các video được tạo ra, Dream Machine gặp khó khăn với tính năng chuyển đổi văn bản thành video. Các ví dụ được cung cấp trong bản ghi âm cho thấy công cụ này gặp khó khăn trong việc mô tả chính xác các yếu tố như một con sói hú lên trăng hoặc một con khỉ trên giày trượt patin. Các video được tạo ra thường có những mâu thuẫn, chẳng hạn như thiếu chi và vị trí không chính xác của các đối tượng.

Tuy nhiên, nơi mà Dream Machine dường như tỏa sáng là tính năng chuyển đổi hình ảnh thành video. Bản ghi âm trình bày một số ví dụ về điều này, bao gồm một thành phố tương lai đầy màu sắc, một ngôi nhà sói pixelated trong trò chơi video và một túp lều trong rừng. Những chuyển đổi hình ảnh thành video này dường như có tính hiện thực và nhất quán hơn so với các nỗ lực chuyển đổi văn bản thành video.

Cần lưu ý rằng Dream Machine hiện đang ở giai đoạn xem trước nghiên cứu, và người dùng có thể tạo tối đa 30 video miễn phí mỗi tháng. Sau đó, mô hình định giá là khoảng 0,25 USD mỗi video. Khi công cụ này tiếp tục phát triển, sẽ thú vị để xem liệu Luma có thể giải quyết được các hạn chế hiện tại và cải thiện chất lượng và tính nhất quán của các video được tạo ra hay không.

Nói chung, Dream Machine thể hiện tiềm năng, nhưng người dùng nên tiếp cận với những kỳ vọng thực tế, đặc biệt là khi nó đến với chuyển đổi văn bản thành video. Tính năng chuyển đổi hình ảnh thành video dường như là khía cạnh mạnh hơn của công cụ này hiện tại.

Stable Diffusion 3, phiên bản mới nhất của mô hình tạo hình ảnh dựa trên trí tuệ nhân tạo nguồn mở phổ biến, cuối cùng cũng đã được công bố công khai. Hãy cùng tìm hiểu kỹ hơn về những gì phiên bản mới này mang lại.

Cải thiện khả năng chuyển đổi văn bản thành hình ảnh

Một trong những cải tiến chính trong Stable Diffusion 3 là khả năng tăng cường kết hợp văn bản vào các hình ảnh được tạo ra. Mô hình này giờ đây dường như tốt hơn trong việc chuyển đổi các lời nhắc dựa trên văn bản thành các biểu diễn trực quan nhất quán và chi tiết. Điều này có thể được nhìn thấy trong các ví dụ được cung cấp, nơi các lời nhắc dựa trên văn bản dẫn đến các hình ảnh chính xác và hấp dẫn về mặt thẩm mỹ hơn.

Vẫn cần kỹ thuật lập trình lời nhắc

Tuy nhiên, cần lưu ý rằng Stable Diffusion 3 vẫn yêu cầu một mức độ nhất định của kỹ thuật lập trình lời nhắc để đạt được những kết quả tốt nhất. Mặc dù mô hình đã được cải thiện, người dùng có thể cần cung cấp các lời nhắc chi tiết và cụ thể hơn để đạt được kết quả mong muốn, đặc biệt là đối với các hình ảnh phức tạp hoặc chi tiết. Điều này trái ngược với một số mô hình tạo hình ảnh dựa trên trí tuệ nhân tạo khác có thể tạo ra kết quả chất lượng cao với các lời nhắc đơn giản hơn.

Chất lượng không nhất quán

Chất lượng của các hình ảnh được tạo ra cũng có thể không nhất quán. Trong khi mô hình có khả năng tạo ra những kết quả ấn tượng trong một số kịch bản, như ví dụ "phi hành gia trong rừng nhiệt đới", nó vẫn gặp khó khăn với các lời nhắc đơn giản hơn như "một con khỉ trên giày trượt patin". Điều này cho thấy Stable Diffusion 3 có thể chưa đạt đến mức độ của một số đối thủ cạnh tranh về chất lượng và tính nhất quán hình ảnh tổng thể.

Cần tiếp tục cải tiến

Nói chung, Stable Diffusion 3 đại diện cho một bước tiến trong việc tạo hình ảnh dựa trên trí tuệ nhân tạo, nhưng vẫn còn nhiều chỗ để cải thiện. Khi công nghệ này tiếp tục phát triển, chúng ta có thể mong đợi thấy những tiến bộ tiếp theo trong khả năng của mô hình để chuyển đổi văn bản thành hình ảnh chất lượng cao và nhất quán mà không cần kỹ thuật lập trình lời nhắc quá mức. Những nỗ lực liên tục của cộng đồng để tinh chỉnh và nâng cao Stable Diffusion sẽ rất quan trọng trong việc thúc đẩy những cải thiện này.

Để nói rõ, tôi là cố vấn của Leonardo, nhưng họ không có bất kỳ quyền kiểm soát nào đối với những gì tôi nói. Nếu có điều gì đó không ổn, tôi sẽ chỉ ra. Việc là cố vấn của họ không ảnh hưởng đến những gì tôi nói thực sự về họ.

Tuy nhiên, Leonardo vừa mới ra mắt một mô hình tùy chỉnh mới được gọi là Leonardo Phoenix. Đây là mô hình nền tảng riêng của họ, không phải là một phiên bản của Stable Diffusion. Các tính năng chính của mô hình mới này là:

• Tuân thủ lời nhắc tăng cường - Nó có thể hiểu và tuân thủ tốt hơn các lời nhắc bạn cung cấp.
• Văn bản nhất quán trong hình ảnh - Nó có thể kết hợp văn bản vào các hình ảnh theo cách tự nhiên và nhất quán hơn.
• Chất lượng hình ảnh tốt hơn - Các hình ảnh được tạo ra có chất lượng cao hơn so với các mô hình trước đó.
• Kiểm soát sáng tạo nhiều hơn - Bạn có nhiều quyền kiểm soát hơn đối với hướng sáng tạo của các hình ảnh.

Tuy nhiên, một số tính năng như hướng dẫn hình ảnh, các yếu tố và các phiên bản chân thực vẫn chưa có sẵn. Họ vẫn đang làm việc để triển khai những tính năng bổ sung này.

Hãy cùng xem kỹ hơn mô hình này trong hành động. Tôi sẽ đến trang web của Leonardo, chọn tiện ích sẵn có Leonardo Phoenix và thử một lời nhắc đơn giản - "một con sói hú lên trăng".

Dưới đây là các hình ảnh nó đã tạo ra:

[Hình ảnh 1] [Hình ảnh 2] [Hình ảnh 3] [Hình ảnh 4]

Tôi không biết bạn nghĩ gì, nhưng những hình ảnh này khá ấn tượng hơn nhiều so với những gì tôi vừa thấy từ Stable Diffusion 3. Mô hình dường như đã làm tốt việc hiểu lời nhắc và tạo ra các hình ảnh nhất quán, chất lượng cao.

Hãy thử một ví dụ khác - "một con chim cánh cụt cầm một tấm biển có chữ Mr eow".

[Hình ảnh 1] [Hình ảnh 2] [Hình ảnh 3] [Hình ảnh 4]

Chữ được viết đúng chính tả trong mọi hình ảnh, và con chim cánh cụt cầm tấm biển trông khá tốt. Mô hình đã xử lý tích hợp văn bản rất tốt.

Nói chung, mô hình Leonardo Phoenix cảm thấy như một bước tiến so với Stable Diffusion 3. Tôi rất khuyến khích bạn thử cả hai và xem mô hình nào phù hợp nhất với nhu cầu của bạn. Khả năng tuân thủ lời nhắc tăng cường và tích hợp văn bản của mô hình Leonardo Phoenix đặc biệt ấn tượng.

Sonno, nền tảng tạo nhạc dựa trên trí tuệ nhân tạo, vừa mới tiết lộ một tính năng đột phá cho phép người dùng biến bản ghi âm của riêng họ thành những bài hát hoàn chỉnh. Khả năng sáng tạo này, có sẵn cho các thuê bao Sonno Premium, trao quyền cho người sáng tạo khai thác sức mạnh của trí tuệ nhân tạo để nâng cao những ý tưởng âm nhạc của họ.

Nó hoạt động như thế nào:

1. Ghi âm hoặc Tải lên Âm thanh: Người dùng có thể ghi âm trực tiếp trong nền tảng Sonno hoặc tải lên một tệp âm thanh hiện có. Đây có thể là một giai điệu guitar đơn giản, một giai điệu ca hát hoặc bất kỳ đoạn âm nhạc nào khác.

2. Mở rộng và Nâng cao: Sau khi tải lên âm thanh, người dùng có thể chọn tùy chọn "Mở rộng". Các thuật toán dựa trên trí tuệ nhân tạo của Sonno sau đó sẽ phân tích đầu vào và tự động tạo ra một bài hát được mở rộng, hoàn chỉnh với các nhạc cụ bổ sung, hòa âm và lời bài hát.

3. Tùy chỉnh: Người dùng có khả năng tinh chỉnh thêm bài hát được tạo ra bằng cách điều chỉnh các thông số như thể loại (ví dụ: nhạc pop acoustic, điện tử, v.v.), việc bao gồm nhịp điệu và tạo ra lời bài hát ngẫu nhiên.

Kết quả thường khá ấn tượng, với Sonno's AI kết hợp một cách liền mạch âm thanh gốc của người dùng với các sáng tác âm nhạc của riêng nó. Các bài hát được tạo ra vẫn giữ được bản chất của đầu vào của người dùng trong khi nâng cao lên một mức độ chuyên nghiệp.

Tính năng này mở ra những khả năng sáng tạo mới cho các nghệ sĩ, nhạc sĩ và những người yêu thích âm nhạc. Người dùng có thể thử nghiệm với các ý tưởng khác nhau, nhanh chóng chuyển các bản phác thảo thành các sáng tác hoàn chỉnh và thậm chí hợp tác với trí tuệ nhân tạo để biến những tầm nhìn âm nhạc của họ thành hiện thực.

Khi Sonno tiếp tục hoàn thiện và mở rộng các khả năng của mình, tính năng mở rộng âm thanh