LUMIERE : टेक जॉइंट Google ने LUMIERE AI मॉडेल सादर केले आहे ज्याच्या मदतीने तुम्ही मजकूर लिहून व्हिडिओ तयार करू शकता. कंपनीचे नवीन LUMIERE हे टेक्स्ट टू व्हिडिओ आणि इमेज टू व्हिडिओ मॉडेल आहे. याचा अर्थ असा की तुम्ही केवळ टेक्स्टवरून थेट व्हिडिओ तयार करू शकत, नाही तर इमेजमधून मोशन व्हिडिओ देखील तयार करू शकता. हे साधन कसे कार्य करते याचा व्हिडिओ X वर शेअर केला आहे. तुमच्या सोयीसाठी, आम्ही ते येथे लेखात जोडत आहोत. याच्या मदतीने तुम्ही चांगले समजू शकता.
Google just made an incredible AI video breakthrough with its latest diffusion model, Lumiere.
— Rowan Cheung (@rowancheung) January 25, 2024
2024 is going to be a massive year for AI video, mark my words.
Here's what separates Lumiere from other AI video models: pic.twitter.com/PulSjVZaCp
संशोधकांच्या मते, टेक्स्ट-टू-व्हिडिओ जनरेशन फ्रेमवर्क पूर्व-प्रशिक्षित टेक्स्ट-टू-इमेज डिफ्यूजन वापरून सादर केले गेले आहे. सध्याच्या पद्धती जागतिक स्तरावर सातत्यपूर्ण गतीसह संघर्ष करत असल्याने, टीमने अवकाश-वेळ U-Net आर्किटेक्चर तैनात करून पूर्ण फ्रेम व्हिडिओ क्लिप व्युत्पन्न केल्या ज्यामध्ये अवकाशीय आणि ऐहिक मॉड्यूल समाविष्ट आहेत. संशोधकांच्या मेहनतीमुळे इमेज टू व्हिडिओ, व्हिडिओ इनपेंटिंग आणि स्टाइलाइज्ड जनरेशनमध्ये चांगले परिणाम मिळाले आहेत.
या मॉडेलची खास वैशिष्ट्ये
- तुम्ही टेक्स्ट लिहून व्हिडिओ तयार करू शकता
- कोणत्याही फोटोवरून व्हिडिओ बनवू शकतो
- स्टाइलाइज्ड जनरेशन, म्हणजेच तुम्ही फोटोचा संदर्भ घेऊन त्याच्या शैलीत फोटो तयार करू शकता.
- फोटो ॲनिमेट करू शकता
- हे मॉडेल तुम्हाला व्हिडिओ एडिटिंगमध्ये मदत करेल, जसे की तुम्ही एआयच्या मदतीने कोणत्याही वस्तूचा रंग, ड्रेस इत्यादी बदलू शकता.
गुगलच्या या मॉडेलच्या लॉन्चबाबत सध्या कोणतीही बातमी नाही. कदाचित कंपनी त्याच्या बार्डसह त्याची ओळख करून देईल.
