Чи готові ви побачити, як штучний інтелект переписує правила відео? Від звичного до захопливого – занурюємось у майбутнє!
Привіт, шановні читачі! З вами Ліла Харт, і сьогодні я збираюся розповісти про те, що ще нещодавно вважалося науковою фантастикою, а нині стає реальністю просто тут, у нас на очах. Уявіть собі: ви дивитесь фільм, і раптом можете сказати: “Створіть землетрус!” – і екран реагує на ваше бажання. Або: “Перетворіть цю сцену на космічну битву!” – і перед вашими очима розгортається феєрія зоряного пилу. Звучить, як мрія? Судячи з усього, мрії починають збуватися, причому з неймовірною швидкістю.
Минулого тижня я, відверто кажучи, була змушена відкласти свій ранковий лате і видихнути: компанія Pixar, ті самі Pixar, випустила модель, яка дозволяє керувати світом відео в реальному часі. Особисто я, як людина, яка провела роки, аналізуючи тенденції ШІ та можливості автоматизації, була приголомшена. Коли я вперше побачила це, мої думки були приблизно такими: “Це жарт, чи що? Це вже не просто картинки, це цілі світи, які реагують на мене?”
Звичайно, як показує мій досвід, перші кроки завжди не позбавлені проблем. Технологія ще “сира”, іноді видає дивні речі. Але, скажу вам, спостерігати за цим неймовірно весело! І, що найголовніше, це чіткий сигнал: AI-відео – це вже не просто інструмент для створення коротких роликів. Це революція, яка може змінити те, як ми дивимося фільми, граємо в ігри, і навіть як створюємо цифровий контент.
Але це ще не все! Поки Pixar захоплюється віртуальними світами, інші титани AI теж не дрімають. Black Forest Labs випустила Flux 2 Klein – дещо полегшену версію своєї потужної моделі Flux 2. Ми зазирнемо до новинок від Runway та Google Veo, і навіть дізнаємось про один цікавий проєкт, який створює справжнісінькі “нескінченні зуми” на зображеннях.
Тож, пристебніть ремені, візьміть свої улюблені напої та перекуси, бо ми вирушаємо у неймовірну подорож світом AI-відео. Готові? Поїхали!
Розділ 1: Знайомтесь, Pixar R1 – Ваш персональний режисер-чарівник
Коли я чую слово “Pixar”, в моїй голові одразу виникають образи яскравих анімаційних фільмів, емоційних історій та бездоганної якості. І ось тепер вони вирішили втрутитися у світ AI-відео. Але не з простим рішенням, а з так званою “реалістичною керованою моделлю світу”. Звучить складно? Давайте розберемося разом.
Уявіть собі, що ви не просто спостерігач, а активний учасник подій. Існуючі моделі, які генерують відео, зазвичай працюють покадрово, намагаючись зберегти якусь подобу реальності. Але PixVerse R1 – це інший підхід. Це як цифровий Всесвіт, який генерує відео безперервно, і ви маєте можливість втручатися, змінюючи напрямок історії.
Корисно знати: Ви, мабуть, чули про “світові моделі” (world models) від Google (їхній Genie 3), Tencent, чи Moonlake. Це свого роду цифрові “пісочниці”, де AI здатен досліджувати та творити. PixVerse R1 – ще один гравець на цій арені, але з акцентом на інтерактивність.
Минулого року багато експертів передбачали, що ми зможемо “редагувати” фільм прямо під час перегляду. І ось, здається, це стає реальністю. Наприклад, якщо ви дивитеся “Кінг-Конг проти Годзілли” і кажете: “Хочу бачити це з рівня землі”, модель робить спробу це реалізувати. Питання лише в тому, наскільки добре їй це вдається.
Перші результати, як свідчить мій досвід, трохи “джинкі” – як ніби хтось намагається розповісти вам історію, але плутається в словах. Проте, навіть ця “незграбність” має свою чарівність. Модель може генерувати відео до 1080p, вона побудована на основі потужної мультимодальної моделі, яка розуміє текст, зображення, відео та звук (хоча поки що ми можемо вводити тільки текст). А ще вона має унікальний “авторегресивний механізм”, який дозволяє їй генерувати відео фактично безкінечно (ну, майже – у бета-версії є обмеження в 5 хвилин, що теж непогано!).
Розділ 2: “Сніговик” і “Лавина” – перші експерименти з R1
Гаразд, теорія – це добре, але давайте перейдемо до практики! У PixVerse R1 є кілька готових “світів”, які можна спробувати. Я почала з “Snow Peak Vlog” – ви бачите, як людина йде гірською стежкою. Це виглядало доволі гарно, але ми тут не для спокою, вірно?
Я вирішила додати трохи драматизму. “Нехай на цього чоловіка впаде лавина!” – написала я. І що ви думаєте? На екрані з’явилося щось, дуже схоже на… гігантський сніжок, який покотився вниз. Це була не зовсім та епічна лавина, яку я собі уявляла, але було доволі кумедно!
Тут я згадала про той самий “авторегресивний механізм”. Як він працює? Виявляється, це такий собі трюк, який допомагає моделі залишатися більш кінематографічною. Якщо ви даєте їй команду, наприклад, “чоловік починає танцювати”, вона спочатку може трохи “задуматися”, а потім… починає танцювати! Але потім, як правило, повертається до свого звичного циклу руху. Це як навчити домашнього улюбленця новому трюку: він зробить спробу, але зрештою повернеться до своїх звичних звичок.
У моделі є три режими: POV (від першої особи), Ambient (оточення) та Dramatic (драма). Режим Ambient, наприклад, дозволяє побачити, як хтось спить на дивані. Я спробувала: “Нехай кіт застрибне на нього, а потім втече”. І це спрацювало! Великий гарний кіт з’явився, змусив похвилюватися сплячого, і втік. А потім все знову повернулося до звичного спокою.
Розділ 3: Драматичний режим – коли все йде шкереберть (і це чудово!)
Але найцікавіше починається, коли ви вмикаєте “Dramatic” режим. Ось тут і починається справжня магія (або хаос!).
Беремо, наприклад, чоловіка в синьому костюмі, який йде вулицею. Я пишу: “Він зустрічає жінку, яка дає йому папку”. І тут – починається найцікавіше! Жінка з’являється, дає йому папку, він її розглядає, хоча я паралельно наказала йому “піти купити хот-дог”. І тепер найцікавіше: папка вмить перетворюється на хот-дог! Вони починають його їсти. А потім… раптом з’являється величезний хот-дог, вони пробують його придбати, і – БАМ! – починається сцена з торнадо!
І це тільки початок! Торнадо з’являється, зникає, чоловік з жінкою йдуть до машини, змінюється оточення, з’являються якісь люди в масках, потім знову торнадо (цього разу справжнє!), вилазить Годзілла, а чоловік у костюмі раптом стрибає на мотоцикл і тікає! Godzilla! runaway!
Ви знаєте, це неймовірно кумедно. І, що дивно, часом ці моменти виглядають як справжні кінокадри. Так, іноді мотоцикл з’являється нізвідки, але потім він також з’являється знову. Це все ще трохи “джинко”, але в цій непередбачуваності є щось неймовірно привабливе.
Я спробувала ще один “затишний” сценарій: чоловік п’є каву біля каміна, з’являється ведмідь, він лягає спати, будинок загоряється, але чоловік, здається, у вогнетривкому одязі. Потім ведмідь відводить його до своєї печери. Але ось парадокс: я наказала йому зайти до печери, а він не зайшов, просто пішов кудись в інший бік! Потім вони знайшли замок, зайшли всередину, знайшли ще один камін, знову лягли спати, і тут з’явився лицар… але часу, щоб ведмідь напав на лицаря, вже не вистачило.
Це все дивно, химерно, і воно не завжди слухається команд. Але мені це неймовірно подобається! Це нагадує мені ранні експерименти з AI-відео, наприклад, “Avalanche” від Zash Manson. Пам’ятаєте той ролик, де Вілл Сміт їсть спагеті? Це було два-три роки тому. А зараз ми бачимо це.
І це підводить нас до головного питання: що буде через 2-3 роки? Яким стане R3 чи R4? І що роблять інші?
Якщо ви хочете спробувати PixVerse R1 – раджу! Це дійсно весело. Шукайте їх на Twitter. Коли вийде повна версія, я обов’язково вам повідомлю.
Розділ 4: Flux 2 Klein – Швидкість, доступність та трохи магії
Переходимо до наступної новини, яка теж дуже важлива для тих, хто любить експериментувати з AI. Black Forest Labs випустили Flux 2 Klein. “Klein” німецькою означає “малий”. І це саме те – менша, але все ще потужна версія їхньої моделі Flux 2.
Чим вона цікава? По-перше, вона доступна в чотирьох версіях, а вимоги до відеопам’яті знижені настільки, що вона може працювати навіть на споживчому обладнанні – від 8.4 ГБ до 21.7 ГБ. Це вже реальні цифри для більшості з нас!
І ще один момент: швидкість. У них на презентації був такий кумедний слайд з “inference times”, де замість часу показувалися мінуси. Це жарт, звісно, але він добре ілюструє, наскільки швидкою стала модель. Вони стверджують, що вона на 30% швидша за будь-які конкурентні моделі. Flux 2, можливо, трохи відставав після виходу конкурентів, але ця версія – це крок вперед, особливо тому, що вона з відкритим кодом, і ви можете запускати її локально.
Я спробувала її як звичайний генератор зображень. І, відверто кажучи, результати мене приємно здивували. Наприклад, я робила запит на детектива в кав’ярні в стилі Twin Peaks – вийшло дуже непогано. Схоже на роботи Девіда Лінча. Хоча, зізнаюся, очі у персонажа вийшли трохи… дивними.
Ще один нюанс: текст. Як і більшість моделей, Flux 2 Klein поки що не дуже добре справляється з генерацією читабельного тексту. От, наприклад, мім у супермаркеті – текст на упаковках абсолютно незрозумілий.
Але коли справа доходить до чогось більш фантастичного, модель починає проявляти себе. Навіть простий запит “піратський корабель” призвів до чогось, що виглядає радше як ілюстрація, а не фотореалістичне зображення. І це, до речі, може бути чудовим! Я вже уявила, як використовую Flux 2 для обкладинок своєї майбутньої 20-томної фентезі-епопеї, яку, звісно, ніколи не напишу.
А ще модель чудово справляється з редагуванням. Друг мого каналу, Брент Лінч, узяв зображення анімованого персонажа і попросив модель зробити його реальним. Результат – просто неймовірний! Навіть кращий, ніж у більш потужної Flux 2 Max, яка іноді робить очі занадто розставленими.
Порівняння версії Flux 2 dev і Klein 4B показує, що, звісно, dev-версія дає трохи кращий результат (20 кроків проти 4). Але Klein може працювати на вашому домашньому комп’ютері! А для тих, хто не хоче встановлювати нічого локально, є онлайн-платформи, такі як Playground від Black Forest Labs, де це буде дуже дешево, або навіть безкоштовно.
Розділ 5: Runway: Нові “Сторіс panels” та оновлення Google Veo
Зазирнемо до Runway, які теж постійно щось вигадують. Вони випустили нову функцію – “Story Panels”. Це, по суті, додаток на їхній платформі. Ви берете будь-яке зображення (наприклад, того самого детектива з Flux 2), описуєте історію, і Runway генерує три кінематографічні “стеки” (cinematic stacks) – ніби три сцени, що випливають одна з одної.
Це дуже схоже на техніку, яку ми розглядали минулого разу, але тепер вона стала ще більш доступною. Хоча, один маленький мінус: вам все ще доведеться вручну обрізати і витягувати кожен кадр, якщо ви хочете його використати окремо. Шкода, що немає інструменту, який робив би це безкоштовно (зараз за це беруть кредити). Але ці три виходи відкривають нові творчі можливості.
А що з Google Veo? На жаль, нічого шалено нового, як-от V4. Але вони внесли деякі покращення до V3.1. Тепер “Ingredients to Video” (інгредієнти для відео) підтримують вивід у вертикальному форматі – це величезний плюс для тих, хто створює контент для Shorts чи Reels. Також з’явилось нове масштабування до 1080p і 4K.
“Інгредієнти” – це коли ви комбінуєте кілька зображень, щоб отримати відео. Це чудово працює для абстрактних речей. Але, як я побачила, коли спробувала вивести відео у форматі 9:16 (вертикальному), стабільність персонажів може бути проблемою. Наприклад, я намагалася отримати відео з персонажем Томом з “Planet Hell”, але в вертикальному форматі вийшли якісь “сусіди” Тома, а не він сам. Тож, для наративних історій, ця функція поки що не ідеальна.
Але я все ще люблю платформу Flow, особливо тому, що там можна безкоштовно користуватися Veo 3.1 у швидкому режимі (з низьким пріоритетом, звісно).
Розділ 6: Wonder Zoom – нескінченний погляд на світ
І на завершення – справжня перлина з відкритим кодом: Wonder Zoom. Цей проєкт робить саме те, що обіцяє – дозволяє “збільшувати” зображення до нескінченності.
Уявіть собі: ви берете одне фото, наприклад, з пташкою (яку, до речі, теж можна додати за допомогою AI), і починаєте наближати, наближати, наближати… І ви ніби “подорожуєте” всередині зображення, бачите деталі, яких раніше не помічали, відчуваєте ефект паралаксу. А потім можете так само віддалитися і побачити інші частини цього “світу”.
Це нагадує мені давнішу роботу Чікая Охами, яка спочатку була створена в Midjourney, потім масштабована, а потім анімована. Це неймовірно захопливо! Я поки не знаю, коли саме код стане загальнодоступним, але слідкуйте за оновленнями.
Висновок: Майбутнє вже тут, і воно дивовижне!
Отже, що ми маємо? Ми бачили, як AI-відео проходить шлях від простих картинок до інтерактивних світів, де ми можемо виступати режисерами. Від недосконалих, але кумедних спроб PixVerse R1 керувати історією, до доступності та швидкості Flux 2 Klein, до функціональності Runway та Google Veo, і навіть до магії нескінченного зуму в Wonder Zoom – все це свідчить про одне: майбутнє генеративного медіа вже настало.
Так, технології ще розвиваються, трапляються “джинкі” моменти, і не все працює ідеально. Але хіба ж це не захопливо? Це як спостерігати, як маленьке насіння проростає і дає життя цілому саду.
Що далі?
- Спробуйте самі! Якщо є така можливість, протестуйте PixVerse R1, Flux 2 Klein. Ці інструменти стають дедалі доступнішими.
- Слідкуйте за новинами. Сфера AI-відео розвивається просто неймовірно. Я буду тримати вас в курсі.
- Експериментуйте! Не бійтеся пробувати, помилятися і знаходити щось нове. Саме в цих “незграбних” моментах часто ховається найбільший потенціал.
Підсумовуючи все вищесказане, ми стоїмо на порозі нової ери у створенні цифрового контенту. AI-відео – це вже не просто інструмент, це співавтор, який може допомогти нам реалізувати найсміливіші ідеї. Так, можливо, це поки що “велетенський сніжок” замість лавини, але це лише початок його потенціалу, який обіцяє зробити процес творчості набагато цікавішим, доступнішим і, безперечно, веселішим.
Тож, давайте разом досліджувати цей новий світ, творити, дивуватися і, найголовніше, насолоджуватися цим дивовижним шляхом!
До нових зустрічей! З вами була Ліла Харт.
