Google objavio Vertex AI Media Studio za generisanje video sadržaja iz teksta sa sve muzikom i govorom

Google je upravo podigao lestvicu u oblasti generativne veštačke inteligencije. Njegova najnovija inovacija, Vertex AI Media Studio, omogućava korisnicima da od običnog tekstualnog opisa stvore gotov video – uključujući vizuale, glas i muziku – sve u jednoj radnoj površini i bez potrebe za ikakvim znanjem iz oblasti montaže ili kodiranja.

Ovaj alat je deo šire Vertex AI platforme u okviru Google Cloud-a, i predstavlja objedinjeno rešenje koje koristi nekoliko Googleovih najnaprednijih AI modela kako bi korisniku omogućio potpunu produkciju video sadržaja.

Proces počinje sa Imagen 3, Googleovim modelom za generisanje slika, kojim korisnik stvara osnovnu vizuelnu podlogu na osnovu teksta. Ta slika se zatim pretvara u pokretne vizuale putem Veo 2 – video generativnog modela koji omogućava podešavanje elemenata kao što su trajanje, broj frejmova u sekundi i stil kamere (npr. dron snimak, panoramski kadar). Ako se u generisanom videu pojavi nešto što se korisniku ne dopada, uz pomoć alata nalik na Magic Eraser te neželjene komponente mogu se jednostavno ukloniti.

Kada se vizuelni deo završi, Chirp, Googleov model za sintezu glasa, dodaje naraciju, dok Lyria, model razvijen u saradnji između Google DeepMind-a i YouTube-a, kreira originalnu muzičku podlogu koja prati atmosferu videa.

Rezultat? Potpuno gotov video koji izgleda i zvuči profesionalno – a sve to korisnik može uraditi iz jednog jedinstvenog prostora: Vertex AI Studio. U istom okruženju korisnici imaju pristup i Googleovim Gemini modelima, koji mogu obrađivati više različitih tipova podataka, od teksta i slika do programskog koda.

Iako ova tehnologija otvara vrata mnogim kreatorima koji do sada nisu imali pristup video alatima, postavlja i nova pitanja o autentičnosti, ulozi ljudske kreativnosti i etičkom korišćenju AI-ja. Ipak, za sada je jasno da Google računa na to da će veliki broj korisnika – posebno onih bez tehničkog znanja – s oduševljenjem dočekati alat koji omogućava pravljenje brendiranog, vizuelno atraktivnog sadržaja iz običnog teksta.