Úvod > Články > Čína představila vlastní AI nástroj pro převod textu na video

Čína představila vlastní AI nástroj pro převod textu na video

Čínští výzkumníci představili nový AI model Vidu, který umí převádět text na video. Nástroj přichází jen dva měsíce po úspěchu konkurenčního modelu Sora.

Čínská technologická firma ShengShu-AI a univerzita Tsinghua představily Vidu – model umělé inteligence pro převod textu na video. Jako první v Číně se prý vyrovná nástroji Sora od americké společnosti OpenAI.

Vidu dokáže jedním kliknutím vytvořit 16sekundový videoklip v rozlišení 1080p. Je postaven na vlastní vyvinuté architektuře modelu vizuální transformace nazvané Universal Vision Transformer (U-ViT) integrující dva modely AI pro převod textu na video Diffusion a Transformer.

Vidu dokáže simulovat skutečný fyzický svět a generovat scény se složitými detaily v souladu s reálnými fyzikálními zákony, jako jsou přiměřené efekty světla a stínu a jemné výrazy obličeje.

Vidu navíc skvěle rozumí i čínským specifikům a podle zpráv médií dokáže generovat obrazy jedinečných čínských znaků, jako jsou panda a loong.

Čínský model AI pro převod textu na video přišel jen asi dva měsíce poté, co svět s nadšením přijal americký model Sora.

"Po vydání modelu Sora jsme zjistili, že úzce souvisí s naším technickým plánem, což nás dále motivovalo k tomu, abychom odhodlaně pokročili v našem výzkumu," uvedl Zhu Jun, proděkan Ústavu umělé inteligence na univerzitě Tsinghua a hlavní vědecký pracovník společnosti ShengShu-AI.

Základní technologii U-ViT poprvé navrhl výzkumný tým Vidu v září 2022, tedy ještě dříve, než vznikla modelová architektura DiT – Diversity in Transformation společnosti Sora.