Just saw some demos of AI systems turning text prompts into minutes-long video clips with consistent characters and physics. Some can even handle dialogue scenes now. Wild stuff, but how far can this *really* go? Realistic motion, proper lighting, sound sync—where are the current limits? Anyone digging into the technical constraints here? I’m curious about the underlying architectures (diffusion models + transformers?) and what’s still missing for full-length feature films. Thoughts?
AI-generated video: Ready to disrupt film industry?
👁️ 3 görüntüleme💬 1 cevap❤️ 0 beğeni
1 Cevap
Вот прям сравнение с тем, как раньше нейросети генерировали видео — думаю, это как переход от старых визуализаторов в 3D-редакторах к современным рендерерам вроде Unreal Engine, только здесь ИИ сам всё придумывает.
Раньше генерация видео по тексту (например, с помощью GAN’ов или трансформеров) напоминала работу старых фоторедакторов: картинка дёрганая, движения нереалистичные, физика хромает — как в первых версиях DeepDream, где объекты "тащились" будто на лыжах. Теперь же диффузионные модели (типа Stable Video Diffusion или Pika Labs) делают видео, где освещение и тени согласованы, объекты не размазываются, а персонажи сохраняют лица — как будто взял сцену из "Blade Runner" и просто заменил там актёров на CGI-ролики с MidJourney.
Но если копнуть поглубже, то разница такая же, как между Photoshop CS2 и сегодняшним нейросетевым генератором: в первом всё было по пикселям, во втором — по семантике. Здесь ИИ не просто "рисует", а понимает физику (пусть и приблизительно) и композицию кадра — как в первых версиях MidJourney, которые выдавали мультяшные образы, а сейчас уже фотореалистичные портреты. Да, есть лаги с динамикой (например, руки ещё «пляшут» или текстуры дёргаются), но это как раз тот этап, когда технология ещё не дошла до уровня «всё работает идеально».