टेनसेंट ने अपने नए विकसित इमेज-टू-वीडियो जनरेशन फ़्रेमवर्क, हुन्युआनवीडियो-I2V को ओपन सोर्स करने की घोषणा की है। यह मॉडल हुन्युआनवीडियो के सफल ओपन सोर्स होने के बाद एक और महत्वपूर्ण उपलब्धि है, जिसका उद्देश्य ओपन सोर्स समुदाय में गहन खोज को बढ़ावा देना है। हुन्युआनवीडियो-I2V में उन्नत वीडियो जनरेशन तकनीक का उपयोग किया गया है, जो स्थिर छवियों को जीवंत वीडियो सामग्री में बदल सकता है, जिससे क्रिएटर्स के लिए और भी संभावनाएँ खुलती हैं। हुन्युआनवीडियो-I2V एक पूर्व-प्रशिक्षित...

हाल ही में, टेनसेंट ह्यूनयुआन वीडियो मॉडल (Hunyuan Video) ने X प्लेटफॉर्म पर परीक्षण भागीदारों के लिए आधिकारिक रूप से आमंत्रण जारी किया है, जो इस अग्रणी AI वीडियो जनरेशन तकनीक के महत्वपूर्ण परीक्षण चरण में प्रवेश करने का प्रतीक है। आधिकारिक सूत्रों के अनुसार, परीक्षण समाप्त होने के बाद, इस मॉडल के ओपन-सोर्स होने की उच्च संभावना है, ताकि वैश्विक AI समुदाय को इसके तकनीकी परिणामों का लाभ मिल सके। ह्यूनयुआन वीडियो मॉडल टेनसेंट की AI वीडियो जनरेशन क्षेत्र में एक महत्वपूर्ण नवाचार है, जिसमें 13B से अधिक पैरामीटर हैं, जो मौजूदा ओपन-सोर्स मॉडलों में सबसे बड़े वीडियो जनरेशन मॉडल में से एक है। इसके मुख्य तकनीकी पहलुओं में शामिल हैं

AI वीडियो क्षेत्र में एक बड़ा उत्पाद फिर से आया है! हाल ही में, गूगल की नवीनतम पीढ़ी का AI वीडियो मॉडल Veo2 औपचारिक रूप से लॉन्च हुआ, और इसे प्रसिद्ध सामग्री प्लेटफ़ॉर्म Freepik पर वैश्विक रूप से पहली बार जारी किया गया। इस लॉन्च ने यह संकेत दिया है कि गूगल AI वीडियो तकनीक में एक और महत्वपूर्ण सफलता हासिल कर चुका है, और इसके साथ ही यह और भी आश्चर्यजनक है कि पहले 10000 उपयोगकर्ता इस “ब्लैक टेक्नोलॉजी” का मुफ्त में अनुभव कर सकेंगे, इसमें कोई संदेह नहीं कि यह वीडियो निर्माताओं के लिए एक महत्वपूर्ण उपहार है! आधिकारिक ट्वीट के अनुसार, Veo2 को गूगल द्वारा सराहा गया है।

हाल ही में, सबसे चर्चित वीडियो मॉडल Veo2 ने अंततः व्यापक उपयोगकर्ताओं के साथ अपनी शुरुआत की है, लेकिन वर्तमान में यह YouTube के Dream Screen फीचर के अंदर एम्बेडेड है। वर्तमान में, यह केवल अमेरिका, कनाडा, ऑस्ट्रेलिया और न्यूजीलैंड के उपयोगकर्ताओं के लिए उपलब्ध है। Veo2 Google DeepMind द्वारा लॉन्च किया गया नवीनतम AI वीडियो जनरेशन मॉडल है, जो उपयोगकर्ता के पाठ संकेत के आधार पर उच्च गुणवत्ता वाले वीडियो क्लिप उत्पन्न करने में सक्षम है, जो 4K तक की रिज़ॉल्यूशन का समर्थन करता है। Veo2 की यह शुरुआत YouTube Short के लिए एक नई दिशा खोलेगी।

हाल ही में, हांगकांग विश्वविद्यालय और बाइटजंपिंग के सहयोग से विकसित किया गया प्रवाहित वीडियो उत्पन्न मॉडल गोKU आधिकारिक रूप से जारी किया गया। यह मॉडल उन्नत उत्पन्न एल्गोरिदम का उपयोग करता है, जो पाठ संकेत के आधार पर उच्च गुणवत्ता वाले वीडियो सामग्री उत्पन्न कर सकता है, जिससे डिजिटल कला के प्रदर्शन रूपों में अत्यधिक समृद्धि आई है। गोKU मॉडल की शक्तिशाली क्षमताओं को प्रदर्शित करने के लिए, शोध टीम ने कई शानदार वीडियो उदाहरण बनाए हैं, जो न केवल मॉडल की तकनीकी क्षमताओं को प्रदर्शित करते हैं, बल्कि इसके रचनात्मक प्रदर्शन में असीम संभावनाओं को भी दिखाते हैं। गोKU मॉडल की विशेषता इसकी कुशल उत्पन्न गति और चित्र है।

AI मीडिया टेक्नोलॉजी कंपनी Runway ने अपने नवीनतम टेक्स्ट जनरेटिंग इमेज मॉडल - Frames का अनावरण किया। एक कंपनी के रूप में जो AI वीडियो मॉडलों के लिए जानी जाती है, Runway का यह कदम छवि निर्माण क्षेत्र में अपनी प्रभावशीलता को बढ़ाने के लिए है। Frames का लॉन्च उपयोगकर्ताओं से प्रशंसा प्राप्त कर रहा है, विशेषकर फिल्म जैसी दृश्य प्रभाव उत्पन्न करने में इसकी क्षमता के लिए। इस मॉडल का पहली बार अनावरण नवंबर 2024 में हुआ और पिछले कुछ हफ्तों में Runway क्रिएटर प्रोग्राम के उपयोगकर्ताओं को अनुभव करने के लिए पहले ही उपलब्ध कराया गया।

Luma AI ने हाल ही में अपने नवीनतम जनरेटिव वीडियो मॉडल Ray2 को लॉन्च किया, इस खबर ने उद्योग में तेजी से ध्यान आकर्षित किया। केवल सात महीने पहले, Luma AI ने अपने Dream Machine प्लेटफार्म का परिचय दिया था, जो AI वीडियो निर्माण के क्षेत्र में एक प्रमुख खिलाड़ी बन गया है। हालांकि, AI वीडियो तकनीक के त्वरित विकास के साथ, Ray2 का लॉन्च इस क्षेत्र में एक और महत्वपूर्ण प्रगति का प्रतीक है। Luma AI के सह-संस्थापक और CEO अमित जैन ने सोशल मीडिया पर इस बारे में बताया।

बीजिंग टूसन भविष्य प्रौद्योगिकी कंपनी ने आधिकारिक रूप से अपने नाम को CreateAI में बदलने की घोषणा की। इस नाम परिवर्तन के साथ जनरेटिव AI क्षेत्र में कई प्रमुख प्रगति की घोषणा की गई, जो कि एनीमेशन और वीडियो गेम उद्योग में जनरेटिव AI तकनीक के अनुप्रयोग में उनकी महत्वाकांक्षा को दर्शाता है। साथ ही, CreateAI ने प्रसिद्ध मार्शल आर्ट आईपी 'जिन योंग समूह नायकों की कथा' का आधिकारिक लाइसेंस प्राप्त करने की घोषणा की है, और एक बड़े मार्शल आर्ट ओपन वर्ल्ड RPG खेल के विकास की योजना बनाई है। इसके अलावा, कंपनी प्रसिद्ध एनीमेशन निदेशक हसीरो काजुहीरो और शीर्ष एनीमेशन उत्पादन कंपनी शिरागु के साथ सहयोग करेगी, AIGC का उपयोग करके।

बीजिंग टूसेन फ्यूचर टेक्नोलॉजी कंपनी ने 17 दिसंबर, 2024 को अपने पहले 'चित्र-से-वीडियो' बड़े मॉडल - 'रुई' का आधिकारिक अनावरण किया और उपयोगकर्ताओं के लिए हगिंगफेस प्लेटफॉर्म से डाउनलोड करने के लिए Ruyi-Mini-7B संस्करण को ओपन-सोर्स किया। टूसेन फ्यूचर की स्थापना 2015 में हुई थी, जिसका मुख्यालय अमेरिका के कैलिफोर्निया राज्य के सैन डिएगो में है, और यह एआई प्रौद्योगिकी के कई उद्योगों में अनुप्रयोगों पर ध्यान केंद्रित करता है, जिसमें एनिमेशन गेम और परिवहन उद्योग शामिल हैं।

रेपोर्ट के अनुसार, ज्ञात सूत्रों ने बताया है कि अमेज़न ने हाल ही में एक नए जनरेटिव आर्टिफिशियल इंटेलिजेंस मॉडल का विकास किया है, जो छवियों और वीडियो को संसाधित कर सकता है, साथ ही पाठ के अलावा। यह प्रगति अमेज़न के आर्टिफिशियल इंटेलिजेंस के क्षेत्र में आगे बढ़ने का प्रतीक है, विशेष रूप से मल्टीमीडिया सामग्री के प्रबंधन में। इस मॉडल को पेश करने का उद्देश्य ग्राहकों को वीडियो आर्काइव्स को अधिक प्रभावी ढंग से खोजने और प्रबंधित करने में मदद करना है। वीडियो सामग्री की तेजी से बढ़ती मात्रा के साथ, आवश्यक जानकारी को जल्दी से खोजना एक महत्वपूर्ण चुनौती बन गया है। अमेज़न का नया मॉडल वीडियो में सामग्री का विश्लेषण करके सक्षम है।

इस साल फरवरी में OpenAI ने अपने टेक्स्ट से वीडियो एआई मॉडल सोरा का पहली बार पूर्वावलोकन किया था, उसके बाद किसी भी विशिष्ट अपडेट प्रदान नहीं किया गया। हाल ही में, OpenAI के नए टेक्स्ट से वीडियो एआई मॉडल सोरा के परीक्षण में शामिल एक समूह के कलाकारों ने कंपनी के प्रति अपनी असंतोष के कारण इस मॉडल की प्रारंभिक पहुंच को लीक कर दिया। उन्होंने एआई विकास मंच Hugging Face के माध्यम से सोरा एपीआई से संबंधित एक परियोजना प्रकाशित की, प्रारंभिक पहुंच के प्रमाण पत्र का उपयोग करते हुए, निर्माण किया।

हाल ही में, बाइटडांस अनुसंधान संस्थान और 清华大学 के शोधकर्ताओं ने एक नया अध्ययन जारी किया, जिसमें बताया गया कि वर्तमान AI वीडियो जनरेशन मॉडल, जैसे कि OpenAI का Sora, हालांकि आश्चर्यजनक दृश्य प्रभाव उत्पन्न कर सकते हैं, लेकिन मूलभूत भौतिक सिद्धांतों को समझने में गंभीर सीमाएँ हैं। इस अध्ययन ने वास्तविकता का अनुकरण करने में AI की क्षमताओं पर व्यापक चर्चा का कारण बना। शोध टीम ने AI वीडियो जनरेशन मॉडल का परीक्षण किया और तीन विभिन्न परिदृश्यों को निर्धारित किया: ज्ञात पैटर्न में भविष्यवाणी, अज्ञात पैटर्न में भविष्यवाणी।

गूगल के रिसर्च टीम द्वारा प्रस्तुत नवीनतम ReCapture तकनीक पारंपरिक वीडियो संपादन के तरीके को बदल रही है। यह नवाचार सामान्य उपयोगकर्ताओं को भी पेशेवर स्तर के कैमरा मूवमेंट समायोजन को आसानी से लागू करने की अनुमति देता है, पहले से रिकॉर्ड की गई वीडियो के लिए नए रूप से कैमरा की भाषा को पुनः डिज़ाइन करता है। पारंपरिक वीडियो पोस्ट प्रोडक्शन में, पहले से रिकॉर्ड की गई वीडियो के एंगल को बदलना हमेशा एक तकनीकी चुनौती रहा है। मौजूदा समाधान विभिन्न प्रकार के वीडियो सामग्री को संभालने में अक्सर जटिल कैमरामैन प्रभाव और चित्र विवरणों को एक साथ बनाए रखने में कठिनाई करते हैं। ReCapture एक नया रास्ता अपनाता है, पारंपरिक 4D मध्य तालिका का उपयोग नहीं करता है।

आज,智谱 तकनीकी टीम ने अपना नवीनतम वीडियो जनरेशन मॉडल CogVideoX v1.5 जारी किया और इसे ओपन-सोर्स किया। यह संस्करण अगस्त के बाद से,智谱 तकनीकी टीम द्वारा प्रस्तुत CogVideoX श्रृंखला में एक और महत्वपूर्ण प्रगति है। ज्ञात हुआ है कि इस अपडेट ने वीडियो जनरेशन की क्षमता में बड़े पैमाने पर सुधार किया है, जिसमें 5 सेकंड और 10 सेकंड की वीडियो लंबाई, 768P रिज़ॉल्यूशन और 16 फ्रेम की जनरेशन क्षमता शामिल है। साथ ही, I2V (इमेज से वीडियो) मॉडल किसी भी आयाम अनुपात का समर्थन करता है, जो जटिल अर्थों की समझ को और बढ़ाता है।

Facebook की मूल कंपनी Meta ने हॉलीवुड की प्रसिद्ध हॉरर फिल्म उत्पादन कंपनी Blumhouse Productions के साथ अपने नवीनतम जनरेटिव AI वीडियो मॉडल Movie Gen का परीक्षण करने के लिए सहयोग किया है। Blumhouse Productions हिट मूवीज़ जैसे 'Insidious' और 'Get Out' के पीछे की शक्ति है। यह सहयोग Meta के द्वारा इस महीने की शुरुआत में Movie Gen लॉन्च करने के बाद एक महत्वपूर्ण कदम है, यह उपकरण कथित तौर पर उपयोगकर्ताओं के संकेतों के आधार पर यथार्थवादी वीडियो बनाने में सक्षम है।

हाल के MAX सम्मेलन में, एडोब ने रोमांचक AI नई विशेषताएँ प्रस्तुत कीं, जिनमें सबसे ध्यान केंद्रित करने वाला Firefly AI वीडियो मॉडल और कई उन्नत फ़ोटोशॉप उपकरण शामिल हैं। Firefly AI वीडियो मॉडल उपयोगकर्ताओं को टेक्स्ट इनपुट के माध्यम से वीडियो बनाने या मौजूदा वीडियो सामग्री को संशोधित करने की अनुमति देता है, जो निश्चित रूप से रचनाकारों के लिए एक नया सृजनात्मक स्थान प्रदान करता है। Firefly

क्वाइशो, पीकिंग विश्वविद्यालय और बीजिंग यूनिवर्सिटी ऑफ़ पोस्ट एंड टेलीकोम्युनिकेशंस के शोध टीमों ने एक महत्वपूर्ण तकनीकी उपलब्धि का परिचय दिया - पिरामिड-फ्लो उच्च गुणवत्ता वाला वीडियो मॉडल। यह ओपन-सोर्स प्रोजेक्ट आर्टिफिशियल इंटेलिजेंस वीडियो निर्माण के क्षेत्र में महत्वपूर्ण प्रगति हासिल की है, जो उद्योग के लिए नए संभावनाएं प्रस्तुत करता है। पिरामिड-फ्लो मॉडल ने आश्चर्यजनक क्षमताओं को प्रदर्शित किया है, केवल टेक्स्ट इनपुट के माध्यम से 10 सेकंड तक लंबा, 1280x768 रिज़ॉल्यूशन और 24fps फ्रेम दर वाला उच्च गुणवत्ता वाला वीडियो उत्पन्न कर सकता है। चाहे प्रकाश प्रभाव, क्रियाओं की निरंतरता, समग्र चित्र गुणवत्ता, टेक्स्ट वाक्य

Runway कंपनी ने हाल ही में एक महत्वाकांक्षी योजना की घोषणा की है, जिसका उद्देश्य फिल्म निर्माण में AI तकनीक के उपयोग को बढ़ावा देना है। इस AI वीडियो उत्पादन तकनीक कंपनी ने 500万美元 तक का एक फंड स्थापित किया है, जिसका लक्ष्य 100 तक मूल फिल्म परियोजनाओं को वित्त पोषण करना है। यह पहल निश्चित रूप से AI तकनीक में रुचि रखने वाले निर्देशकों के लिए एक दुर्लभ अवसर प्रदान करती है। Runway का 100 फिल्म फंड योजना किसी भी वीडियो परियोजना का समर्थन करने के लिए है जो कंपनी के जनरेटिव वीडियो मॉडल का उपयोग करती है। कंपनी ने अपने ब्लॉग लेख में कहा: पारंपरिक वित्तपोषण तंत्र अक्सर संपूर्ण को नजरअंदाज कर देते हैं।

OpenAI ने हाल ही में वीडियो AI क्षेत्र में एक बार फिर हलचल मचा दी है, वे इस वर्ष फरवरी में लॉन्च किए गए Sora के लिए महत्वपूर्ण अपग्रेड कर रहे हैं। 'सूचना日报' की रिपोर्ट के अनुसार, इस अपग्रेड का मुख्य लक्ष्य Sora के प्रदर्शन में उल्लेखनीय सुधार लाना है, ताकि यह तेजी से लंबे और उच्च गुणवत्ता वाले वीडियो सामग्री उत्पन्न कर सके। Sora के पहले संस्करण के प्रदर्शन की समीक्षा करने पर, वास्तव में कई समस्याएं हैं जिन्हें हल करने की आवश्यकता है। पहले संस्करण में एक वीडियो उत्पन्न करने में 10 मिनट से अधिक का समय लगता था, इस तरह की दक्षता स्पष्ट रूप से वास्तविक अनुप्रयोग की आवश्यकताओं को पूरा नहीं कर सकती। अधिक गंभीर的是