Η Runway AI, Inc. παρουσίασε το νέο της μοντέλο Γενετικής Τεχνητής Νοημοσύνης (Generative AI) για την παραγωγή βίντεο, και φέρει την ονομασία Gen-3 Alpha, το οποίο μπορεί να δημιουργήσει βίντεο κλιπ 10 δευτερολέπτων.
Η Runway AI, μια startup με έδρα τη Νέα Υόρκη, παρουσίασε ένα νέο μοντέλο βίντεο τεχνητής νοημοσύνης που προσφέρει στους χρήστες τη δυνατότητα να δημιουργούν ρεαλιστικά και λεπτομερή βιντεοκλιπ διάρκειας έως και 10 δευτερόλεπτων.
Μετά τον ήδη σκληρό υφιστάμενο ανταγωνισμό που υπάρχει στην αγορά από το Sora της OpenAI και το Dream Machine της Luma AI, η αμερικανική start-up επιχειρεί να ξεπεράσει αυτούς τους ανταγωνιστές προσφέροντας ιδιαίτερα μεγάλης διάρκειας κλιπ.
Σύμφωνα με μια ανάρτηση στο ιστόλογιο της Runway, το Gen-3 Alpha αποτελεί ένα σημαντικό βήμα προς την ανάπτυξη “General-World-Models” – μοντέλων τεχνητής νοημοσύνης ικανών να απεικονίζουν ένα ευρύ φάσμα καταστάσεων και αλληλεπιδράσεων.
Εκπαιδεύοντας το μοντέλο σε μια νέα υποδομή σχεδιασμένη για πολυτροπική εκπαίδευση μεγάλης κλίμακας, η Runway στοχεύει στη δημιουργία τεχνητής νοημοσύνης που μπορεί να αναπαραστήσει καλύτερα την πολυπλοκότητα του κόσμου.
Το μοντέλο Gen-3 Alpha είναι το πρώτο σε μια σειρά από μελλοντικά μοντέλα που θα αξιοποιήσουν αυτήν τη νέα υποδομή εκπαίδευσης. Οι χρήστες που πληρώνουν μπορούν να αναμένουν ταχύτερους χρόνους δημιουργίας, και πιο αναλυτικά δύναται να δημιουργηθεί ένα κλιπ 5 δευτερολέπτων σε μόλις 45 δευτερόλεπτα, ενώ ένα κλιπ 10 δευτερολέπτων σε μόλις 90 δευτερόλεπτα.
Αυτό αποτελεί σημαντική βελτίωση σε σύγκριση με τις προηγούμενες γενιές μοντέλων ΤΝ για βίντεο.
Αν και δεν αποκαλύφθηκαν συγκεκριμένα σύνολα δεδομένων εκπαίδευσης, η Runway διαβεβαιώνει ότι χρησιμοποιεί επιλεγμένα, εσωτερικά σύνολα δεδομένων για την εκπαίδευση των μοντέλων της, τα οποία επιβλέπονται αυστηρώς από μια εσωτερική ερευνητική ομάδα.
Ενώ ακόμα δεν έχει ανακοινωθεί η ακριβής ημερομηνία κυκλοφορίας και η τιμολόγηση, η Runway επιβεβαίωσε ότι το Gen-3 Alpha θα είναι αρχικά διαθέσιμο μόνο σε συνδρομητές που πληρώνουν κάποιο χρηματικό αντίτιμο για να το χρησιμοποιήσουν.
Το μοντέλο θα υποστηρίζει όλους τους υπάρχοντες τρόπους λειτουργίας: κείμενο σε βίντεο, εικόνα σε βίντεο και από βίντεο σε βίντεο.
