A quebra de tecnologia de geração de vídeo por IA traz novas oportunidades

Um dos avanços mais significativos recentemente no campo da IA é a quebra da tecnologia de geração de vídeo multimodal. Esta tecnologia evoluiu de gerar vídeos a partir de um único texto para uma tecnologia de geração de cadeia completa que integra texto, imagem e áudio.

Esta quebra tecnológica manifesta-se em vários aspetos:

1. O framework EX-4D de código aberto de uma empresa pode converter vídeos monoculares em conteúdos 4D de ângulo livre, com uma taxa de aceitação dos usuários de 70,7%. Isso significa que a IA pode gerar automaticamente efeitos de visualização de qualquer ângulo, algo que no passado exigia uma equipe profissional de modelagem 3D para ser realizado.

2. Uma funcionalidade chamada "Hui Xiang" lançada por uma determinada plataforma afirma que pode gerar um vídeo de 10 segundos com qualidade "cinematográfica" a partir de uma imagem. No entanto, a veracidade dessa afirmação ainda precisa ser verificada.

3. A tecnologia Veo de uma certa instituição de pesquisa pode gerar simultaneamente vídeo 4K e som ambiente. O ponto chave dessa tecnologia é a realização de uma verdadeira correspondência semântica entre o vídeo e o áudio, superando o desafio da sincronização sonora e visual em cenários complexos.

4. A tecnologia ContentV de uma plataforma de vídeos curtos possui 8 bilhões de parâmetros, podendo gerar vídeos em 1080p em 2,3 segundos, com um custo de 3,67 yuan/5 segundos. Apesar de um bom controle de custos, ainda há espaço para melhorar a qualidade da geração em cenários complexos.

Essas inovações têm uma importância significativa em termos de valor tecnológico, redução de custos e impacto na aplicação:

1. Valor técnico: A complexidade da geração de vídeo multimodal é exponencial. Através da decomposição modular e da colaboração de grandes modelos, foi possível alcançar um processo de geração eficiente.

2. Redução de custos: a otimização da arquitetura de inferência, incluindo estratégias de geração em camadas, mecanismos de reutilização de cache e alocação dinâmica de recursos, reduziu significativamente os custos de geração.

3. Impacto da Aplicação: A tecnologia de IA comprimirá o processo de produção de vídeos tradicional, que exige grandes investimentos, a uma simples entrada de palavras-chave e alguns minutos de espera, o que pode desencadear uma nova reestruturação da economia dos criadores.

Estas mudanças também tiveram um impacto na área de IA Web3:

1. A alteração na estrutura da demanda de poder de computação criou novas oportunidades para o poder de computação ocioso distribuído e para diversos modelos de ajuste fino, algoritmos e plataformas de inferência.

2. A demanda por rotulagem de dados aumentou, podendo estimular profissionais a fornecer materiais de dados de alta qualidade, aumentando a capacidade de geração de vídeos de IA através de mecanismos de incentivo Web3.

3. A tecnologia de IA está a evoluir para uma colaboração modular, criando novas necessidades para plataformas descentralizadas e com potencial para impulsionar a fusão entre cenários de IA Web3 e Web2.