È iniziata l'era della produzione video con l'intelligenza artificiale

La startup di intelligenza artificiale dietro Stable Diffusion sta ora testando il suo strumento di intelligenza artificiale generativa per i video. È in grado di creare filmati a partire da un'immagine statica.

Finora abbiamo visto modelli di intelligenza artificiale in grado di produrre video, ma Stability AI, la startup di intelligenza artificiale dietro Stable Diffusion, entra in questo campo alzando notevolmente l'asticella della qualità. Il nuovo modello Stable Video Diffusion, che si distingue dai suoi simili per qualità e realismo, consente agli utenti di creare video partendo da una singola immagine.

L'INTELLIGENZA ARTIFICIALE PUÒ ANCHE CREARE VIDEO

Come riportato da Donanımhaber, Stable Video Diffusion si presenta in realtà sotto forma di due modelli: SVD e SVD-XT. Il primo, SVD, trasforma immagini statiche in video 576×1024 a 14 fotogrammi. SVD-XT utilizza la stessa architettura, ma porta i fotogrammi a 24. Entrambi sono in grado di produrre video con una frequenza compresa tra tre e 30 fotogrammi al secondo. Questi output video sembrano essere alla pari o addirittura di qualità superiore rispetto a quelli ottenuti dal recente modello di creazione video di Meta, così come a quelli di Google e delle startup di intelligenza artificiale Runway e Pika Labs.

Oltre a questi sviluppi, Stable Video Diffusion è attualmente utilizzabile solo a scopo di ricerca, non per applicazioni reali o commerciali. Mentre Stability AI afferma che i potenziali utenti possono iscriversi a una lista d'attesa per l'accesso, lo strumento potrebbe essere utilizzato in applicazioni potenziali nei settori della pubblicità, dell'istruzione, dell'intrattenimento e molti altri.

CI SONO DELLE CARENZE

Gli esempi mostrati nel video pubblicato appaiono di qualità relativamente alta e in linea con i sistemi generativi concorrenti. Tuttavia, come scrive l'azienda, ci sono alcune carenze: produce video relativamente brevi (meno di 4 secondi), manca di un fotorealismo perfetto, non è in grado di eseguire movimenti di camera diversi da lenti panoramiche, non dispone di controllo testuale, non può generare testo leggibile e potrebbe non riuscire a creare correttamente persone e volti.

Per quanto riguarda l'addestramento, Stability AI afferma che lo strumento è stato addestrato su un set di dati composto da milioni di video e successivamente sottoposto a un fine-tuning su un set di dati più piccolo, composto da diverse centinaia di migliaia a un milione di video. Stability AI sottolinea di aver utilizzato solo video disponibili pubblicamente a scopi di ricerca.

Proprio come gli strumenti di intelligenza artificiale da testo a immagine si sono evoluti rapidamente raggiungendo livelli fotorealistici, anche le intelligenze artificiali che producono video saranno presto in grado di generare contenuti molto più realistici. Tutto ciò comporta rischi legati ai deepfake, al copyright e a una serie di abusi. Pertanto, è essenziale che gli sviluppi avvengano entro determinati limiti.