ИИ революция: Китайските генератори за видео изпревариха САЩ в детайлите и реализма

Експертите, анкетирани от „Файненшъл таймс“, са съгласни, че докато американските разработчици на изкуствен интелект са водещи в създаването на асистенти за писане на софтуерен код, китайските разработчици вече са начело в областта на генерирането на видео чрез текстово запитване. Техните инструменти са по-добри по отношение на качеството и използваемостта.

Обучението на такива големи езикови модели изисква повече видеоклипове и тук китайските платформи с голямата си потребителска база получават определено предимство. Някои експерти също така са склонни да смятат, че китайските разработчици често пренебрегват авторските права при обучението на профилни модели. От друга страна, тези ограничения в крайна сметка водят до това, че в края на работата си американските модели създават по-малко реалистични видеоклипове.

Бен Чианг, основател на стартъпа Director AI, който произвежда кратки анимационни филми и телевизионни сериали с помощта на генератори на изкуствен интелект, отбелязва напредъка на китайските генератори на видеоклипове по отношение на качеството на работата. По-конкретно те разбират по-добре текстовите заявки, синхронизират звука и стабилизират гласовете на героите. Независимият продуцент Джордж Уон от Тбилиси отбелязва, че китайските видеогенератори могат динамично да променят ъгъла на заснемане, без да губят детайли от осветлението и яснотата на лицата на героите, докато много модели в тази ситуация грешат с артефакти.

Независимата платформа Arena дава висока оценка на моделите с изкуствен интелект на Kling, Seedance 2.0 и HappyHorse 1.0.Veo 3 на американската корпорация Google също е близо до нея благодарение на достъпа до сродния YouTube, но поради ограниченията на авторските права не е толкова добър, колкото би могъл да бъде. Успехът на китайските генератори на видео с изкуствен интелект дори накара Kuaishou да обмисли отделянето на Kling в самостоятелно предприятие и листването му на фондовата борса. Облекченията при използването на съдържание, защитено с авторски права, вече предизвикаха искове срещу ByteDance от страна на създателите на герои от вселената на Marvel и анимационния сериал South Park. Китайското дружество трябваше да поеме задължения за засилване на защитата в тази област.

В същото време китайските видеогенератори са по-лесни за използване, тъй като не се сблъскват с многобройни ограничения на етапа на формиране на текстова заявка и не срещат грешки. Въпреки това голямото търсене на същите услуги на Seedance 2.0 през февруари тази година доведе до необходимостта да се ограничи достъпът до модела с изкуствен интелект и да се увеличи времето за чакане за някои потребители. Клиентите на ByteDance в САЩ трябва да имат достъп до Seedance при специални условия. В корпоративния сегмент те понякога трябва да платят авансово до 2 млн. долара. На пазара обаче вече има инструменти за преодоляване на подобни бариери. Поддържането на инфраструктурата за генериране на видеоклипове изисква значителни разходи, тъй като те консумират повече ресурси, отколкото моделите, които работят само със звук или текст.

На този фон OpenAI дори се отказа от разработването на своя модел Sora през март. ИИ вече се използва сериозно в създаването на реклами, а представителите на индустрията го смятат за много удобен и печеливш инструмент, особено след като качеството на съдържанието вече е достигнало ниво, което трудно може да се различи от реалните кадри. Една от рекламните агенции споделя пред FT, че е създала 100 000 различни видеоклипа по поръчка на клиент, което би било изключително скъпо да се направи по традиционния начин.