階躍星辰は、ビデオ生成大規模モデルStep-Videoのクローズドβテスト開始を発表しました。ユーザーは躍問ビデオの公式ウェブサイトでテスト参加を申請できます。Step-Videoモデルは現在、テキストからビデオを生成する機能（テキストビデオ生成）をサポートしており、最大1080Pの高解像度、最長10秒の高画質ビデオを生成できます。ビデオ1本の生成には平均2.5分かかりますが、プロンプトの自動最適化、美的スタイルの表現、モーションコントロールにおいて顕著な優位性を示しています。

2024年9月4日、北京智源人工知能研究院（BAAI）は、テキストからビデオ生成を含むモデルの対抗評価サービス「FlagEval大規模モデル闘技場」の世界初の提供を発表しました。このサービスはユーザー向けに公開されており、国内外の約40種類のLLMを網羅し、言語応答、マルチモーダル画像テキスト理解、テキストから画像生成、テキストからビデオ生成の4つのタスクに対応した、オンラインまたはオフラインでのカスタム評価をサポートしています。

デジタルメディアの黄金時代において、高品質なビデオ制作には高度なスキルと高価な機材が必要とされてきました。しかし、新たに登場したSnap Videoプラットフォームはこの伝統を覆しました。自然言語を入力するだけで、瞬時にビデオを生成できるのです。最新の画像生成モデルの成果を基に開発されたSnap Videoは、時間的および空間的な冗長性要素を取り入れることで、生成ビデオの品質と一貫性を向上させています。Snap Videoは空間および時間的なピクセルを協調的に処理し、自由に視覚表現を生成します。

最新情報！Gen-3 Alphaテキストからビデオへの生成機能が誰でも利用可能になりました！高忠実度、高速、制御可能な方法でビデオを生成できる画期的な技術です。今すぐ公式サイト http://runwayml.com で体験してみましょう！このニュースは大きな注目を集め、多くの人がこの新機能の登場を心待ちにしていました。

著名ハリウッドプロデューサーのタイラー・ペリー氏が、8億ドルの投資プロジェクトを中止しました。新しく発表されたテキストからビデオを生成するモデルSoraが、映画業界に大きな影響を与えるだろうと考えたためです。Soraは映画制作のプロセスを簡素化し、一部の職種の失業につながる可能性があります。ペリー氏はAI技術の発展速度に衝撃を受け、映画業界が今後大きな課題に直面すると述べています。

2023年における人工知能分野の最重要3大イノベーションは、マルチモーダルAI、コンスティチューショナルAI、そしてテキストからビデオ生成技術です。マルチモーダルAIとは、テキスト、画像、ビデオ、オーディオなど、様々な異なる種類のデータをAIが処理する能力を指します。コンスティチューショナルAIは、価値観の憲法を作成し、強化学習を用いてAIの行動を制御することにより、AIを人間の価値観に沿わせることを目指しています。テキストからビデオ生成技術は、数十億ドルもの資金が投入された重要な成果であり、テキストに基づいてビデオを生成し、ビデオのスタイルを変更することを可能にします。これらのイノベーションは、AI分野に大きな影響を与え、人々の生活様式を変えるでしょう。

Pikaが大流行しているが、AIビデオは真の「GPTモーメント」にはまだ至っていない。AIビデオ技術には、Transformerベースと拡散モデルベースの2つの主要なアプローチがある。AIビデオが真のGPTモーメントに到達するには、まだ時間が必要である。AIビデオアプリケーションの商業化は、依然として課題が多い。AIビデオ分野の参入障壁は多様であり、誰が利益を得られるかは不透明である。

🤩マルチモーダルAIの進展：AI動画生成ツールPikaは技術力において業界をリードしています。マルチモーダルAIは、現実世界への適用、実用化、商業化へと向かっています。💡マルチモーダルAI市場の競争：Runway、Stability AI、Midjourneyなどの企業もAI動画生成分野に進出しています。🔍マルチモーダルAIの将来性：マルチモーダル大規模モデルは、物理世界とデジタル世界間の障壁を取り除く可能性を秘めています。