అలీబాబా మేము వీడియోలను ఎలా సృష్టించాలో మరియు సవరించడానికి రూపొందించిన ఓపెన్-సోర్స్ AI మోడల్ అయిన WAN2.1-vace ను ఆవిష్కరించింది.
వేస్ సన్నని గాలి నుండి కనిపించదు; ఇది అలీబాబా యొక్క విస్తృత WAN2.1 కుటుంబం యొక్క వీడియో AI మోడళ్ల భాగం. మరియు వారు దాని కోసం చాలా ధైర్యంగా దావా వేస్తున్నారు, ఇది “వివిధ వీడియో ఉత్పత్తి మరియు ఎడిటింగ్ పనులకు ఏకీకృత పరిష్కారాన్ని అందించడానికి పరిశ్రమలో మొదటి ఓపెన్-సోర్స్ మోడల్” అని పేర్కొంది.
ఒకవేళ అలీబాబా వినియోగదారులను బహుళ, ప్రత్యేక సాధనాలను ఒక క్రమబద్ధీకరించిన హబ్ వైపు మోసగించకుండా మార్చడంలో విజయవంతం కాగలిగితే-ఇది నిజమైన ఆట మారేది కావచ్చు.
కాబట్టి, ఈ పని వాస్తవానికి ఏమి చేయగలదు? బాగా, స్టార్టర్స్ కోసం, ఇది టెక్స్ట్ ఆదేశాలు, స్టిల్ పిక్చర్స్ మరియు ఇతర వీడియో క్లిప్ల స్నిప్పెట్లతో సహా అన్ని రకాల ప్రాంప్ట్లను ఉపయోగించి వీడియోలను కొట్టవచ్చు.
కానీ ఇది మొదటి నుండి వీడియోలను తయారు చేయడం మాత్రమే కాదు. ఎడిటింగ్ టూల్కిట్ AI, అధునాతన వీడియో “పెయింటింగ్” (ఒక సెకనులో ఎక్కువ), మీ ప్రస్తుత వీడియో యొక్క ఎంచుకున్న బిట్లను ట్వీకింగ్ చేయడానికి మరియు వీడియోను విస్తరించడానికి చిత్రాలు లేదా నిర్దిష్ట ఫ్రేమ్లను సూచించడానికి మద్దతు ఇస్తుంది. అలీబాబా ఈ లక్షణాలను “సృజనాత్మకతను పెంచడానికి వివిధ పనుల యొక్క సౌకర్యవంతమైన కలయికను ప్రారంభించండి” అని లెక్కించారు.
మీరు కలిగి ఉన్న కొన్ని ఫోటోల ఆధారంగా, నిర్దిష్ట అక్షరాలతో ఇంటరాక్ట్ అవుతున్న వీడియోను మీరు సృష్టించాలని g హించుకోండి. వాస్ అలా చేయగలదని పేర్కొంది. డైనమిక్ అని మీరు కోరుకునే స్టిల్ ఇమేజ్ ఉందా? అలీబాబా యొక్క ఓపెన్ సోర్స్ AI మోడల్ దానిని ప్రాణం పోసేందుకు సహజంగా కనిపించే ఉద్యమాన్ని జోడించగలదు.
చక్కటి ట్యూన్ చేయడానికి ఇష్టపడేవారికి, నేను ఇంతకు ముందు చెప్పిన అధునాతన “వీడియో పెయింటింగ్” ఫంక్షన్లు ఉన్నాయి. ఒక విషయం నుండి మరొకదానికి భంగిమలు బదిలీ చేయడం, కదలికపై ఖచ్చితమైన నియంత్రణ కలిగి ఉండటం, లోతు అవగాహనను సర్దుబాటు చేయడం మరియు రంగులను మార్చడం వంటివి ఇందులో ఉన్నాయి.
నా దృష్టిని ఆకర్షించిన ఒక లక్షణం “పరిసరాలను ప్రభావితం చేయకుండా వీడియో యొక్క ఎంపిక చేసిన నిర్దిష్ట ప్రాంతాలకు జోడించడానికి, మార్పు లేదా తొలగింపుకు మద్దతు ఇస్తుంది.” వివరణాత్మక సవరణల కోసం ఇది భారీ ప్లస్ – మీరు ఒక చిన్న మూలకాన్ని సర్దుబాటు చేయడానికి ప్రయత్నిస్తున్నప్పుడు అనుకోకుండా నేపథ్యాన్ని గందరగోళానికి గురిచేయడం లేదు. అదనంగా, ఇది మీ వీడియో కాన్వాస్ను పెద్దదిగా చేస్తుంది మరియు ప్రతిదీ ధనవంతులుగా మరియు మరింత విస్తృతమైనదిగా కనిపించేలా సంబంధిత కంటెంట్తో క్రొత్త స్థలాన్ని కూడా పూరించగలదు.
మీరు ఫ్లాట్ ఛాయాచిత్రాన్ని తీయవచ్చు, దానిని వీడియోగా మార్చవచ్చు మరియు ఒక మార్గాన్ని గీయడం ద్వారా ఎలా కదిలించాలో దానిలోని వస్తువులను చెప్పండి. మీరు సూచనగా అందించే పాత్రను లేదా వస్తువును మార్చాల్సిన అవసరం ఉందా? సమస్య లేదు. ఆ ప్రస్తావించబడిన పాత్రలను యానిమేట్ చేయాలా? పూర్తయింది. వారి భంగిమను ఖచ్చితంగా నియంత్రించాలా? మీరు పొందారు.
అలీబాబా దాని ఓపెన్-సోర్స్ AI మోడల్ పొడవైన, సన్నగా ఉండే నిలువు చిత్రాన్ని తీసుకొని, తెలివిగా దానిని వైడ్ స్క్రీన్ వీడియోలోకి విస్తరించి, ఇతర చిత్రాలు లేదా ప్రాంప్ట్లను సూచించడం ద్వారా స్వయంచాలకంగా కొత్త బిట్స్ మరియు ముక్కలను జోడిస్తుంది. అది చాలా చక్కగా ఉంది.
వాస్తవానికి, వాస్ కేవలం మేజిక్ కాదు. వీడియో ఎడిటింగ్ యొక్క తరచుగా-మెస్సీ రియాలిటీని నిర్వహించడానికి రూపొందించబడిన కొన్ని తెలివైన సాంకేతికత ఉంది. ఒక ముఖ్య భాగం అలీబాబా వీడియో కండిషన్ యూనిట్ (VCU) ను పిలుస్తుంది, ఇది “టెక్స్ట్, ఇమేజెస్, వీడియో మరియు మాస్క్లు వంటి మల్టీమోడల్ ఇన్పుట్ల ఏకీకృత ప్రాసెసింగ్కు మద్దతు ఇస్తుంది.”
అప్పుడు వారు “కాంటెక్స్ట్ అడాప్టర్ స్ట్రక్చర్” అని పిలుస్తారు. ఇంజనీరింగ్ యొక్క ఈ తెలివైన బిట్ “తాత్కాలిక మరియు ప్రాదేశిక కొలతల యొక్క అధికారిక ప్రాతినిధ్యాలను ఉపయోగించి వివిధ పని భావనలను ఇంజెక్ట్ చేస్తుంది.” ముఖ్యంగా, వీడియోలో సమయం మరియు స్థలం గురించి AI కి మంచి అవగాహన కల్పించినట్లు భావించండి.
ఈ తెలివైన సాంకేతికతతో, అలీబాబా వాస్ చాలా తక్కువ ప్రాంతాల్లో విజయవంతమవుతుందని భావించాడు. శీఘ్ర సోషల్ మీడియా క్లిప్లు, ఆకర్షించే ప్రకటనలు మరియు మార్కెటింగ్ కంటెంట్, చలనచిత్ర మరియు టీవీ కోసం హెవీ డ్యూటీ పోస్ట్-ప్రొడక్షన్ స్పెషల్ ఎఫెక్ట్స్ మరియు అనుకూల విద్యా మరియు శిక్షణ వీడియోలను రూపొందించడానికి కూడా ఆలోచించండి.
AI ప్రేమను వ్యాప్తి చేయడానికి అలీబాబా వాన్ 2.1-వేస్ ఓపెన్ సోర్స్ చేస్తుంది
AI మోడళ్లను నిర్మించడం ఈ శక్తివంతమైనది సాధారణంగా సంపదను ఖర్చు చేస్తుంది మరియు భారీ కంప్యూటింగ్ శక్తి మరియు టన్నుల డేటా అవసరం. కాబట్టి, అలీబాబా వాన్ 2.1-వేస్ ఓపెన్ సోర్స్ తయారు చేస్తున్నారా? అది పెద్ద విషయం.
“ఓపెన్ యాక్సెస్ AI ని ప్రభావితం చేయడానికి మరిన్ని వ్యాపారాలకు అడ్డంకిని తగ్గించడానికి సహాయపడుతుంది, వారి అవసరాలకు అనుగుణంగా అధిక-నాణ్యత దృశ్యమాన కంటెంట్ను సృష్టించడానికి వీలు కల్పిస్తుంది, త్వరగా మరియు ఖర్చుతో కూడుకున్నది” అని అలీబాబా వివరించాడు.
సాధారణంగా, అలీబాబా ఎక్కువ మందిని-ముఖ్యంగా చిన్న వ్యాపారాలు మరియు వ్యక్తిగత సృష్టికర్తలు-బ్యాంకును విచ్ఛిన్నం చేయకుండా అగ్రశ్రేణి AI లో చేయి చేసుకోవాలని భావిస్తున్నారు. శక్తివంతమైన సాధనాల యొక్క ఈ ప్రజాస్వామ్యీకరణ ఎల్లప్పుడూ స్వాగతించే దృశ్యం.
మరియు వారు కేవలం ఒక సంస్కరణను వదలడం లేదు. తీవ్రమైన హార్స్పవర్ ఉన్నవారికి భారీ 14-బిలియన్ పారామితి మోడల్ ఉంది మరియు తేలికైన సెటప్ల కోసం మరింత అతి చురుకైన 1.3-బిలియన్ పారామితి ఒకటి. ముఖం మరియు గితుబ్ను కౌగిలించుకోవడంలో లేదా అలీబాబా క్లౌడ్ యొక్క స్వంత ఓపెన్ సోర్స్ కమ్యూనిటీ మోడల్స్కోప్ ద్వారా మీరు వాటిని ఉచితంగా పట్టుకోవచ్చు.
(చిత్ర మూలం: www.alibabagroup.com)
ఇవి కూడా చూడండి: AI వ్యాప్తి నిబంధనపై యుఎస్ స్లామ్లు, చిప్ ఎగుమతి అడ్డాలను హార్డెన్స్ చేస్తాయి
పరిశ్రమ నాయకుల నుండి AI మరియు పెద్ద డేటా గురించి మరింత తెలుసుకోవాలనుకుంటున్నారా? తనిఖీ చేయండి AI & పెద్ద డేటా ఎక్స్పో ఆమ్స్టర్డామ్, కాలిఫోర్నియా మరియు లండన్లలో జరుగుతోంది. సమగ్ర సంఘటనతో సహా ఇతర ప్రముఖ సంఘటనలతో సహ-స్థాపించబడింది ఇంటెలిజెంట్ ఆటోమేషన్ కాన్ఫరెన్స్, బ్లాక్ఎక్స్, డిజిటల్ ట్రాన్స్ఫర్మేషన్ వీక్మరియు సైబర్ సెక్యూరిటీ & క్లౌడ్ ఎక్స్పో.
టెక్ఫోర్జ్ చేత శక్తినిచ్చే ఇతర రాబోయే ఎంటర్ప్రైజ్ టెక్నాలజీ ఈవెంట్స్ మరియు వెబ్నార్లను అన్వేషించండి ఇక్కడ.
