Trí tuệ nhân tạo văn bản sang video tiên tiến từ Trung Quốc gây chấn động ngành công nghiệp

Thông báo gần đây từ công ty AI Trung Quốc Shang Shu Technology, hợp tác với Đại học Ting, đã giới thiệu một mô hình văn bản sang video AI đột phá được gọi là Vidu. Mô hình này có khả năng tạo ra các video độ phân giải cao 1080p, 16 giây với một cú nhấp chuột, đặt nó như một đối thủ trực tiếp của mô hình văn bản sang video Sora của OpenAI.

Khả năng của Vidu trong việc hiểu và tạo ra nội dung cụ thể của Trung Quốc, như gấu trúc và rồng, khiến nó nổi bật hơn so với các đối thủ cạnh tranh. Bản demo thể hiện khả năng ấn tượng của Vidu, với những dấu hiệu rõ ràng cho thấy Trung Quốc đã liên tục tăng cường nỗ lực AI của mình.

Mặc dù một số người có thể cho rằng các bài trình diễn là được lựa chọn cẩn thận, nhưng điều quan trọng là phải nhận ra những thách thức vốn có trong việc tạo video. Hiệu suất của Vidu, đặc biệt là về tính nhất quán theo thời gian và chuyển động, là một thành tựu đáng kể vượt trội so với các mô hình tiên tiến hiện có miễn phí.

So sánh với Sora của OpenAI và mô hình Generation 2 của Runway làm nổi bật những điểm mạnh của Vidu. Khả năng duy trì chuyển động nhất quán, các mẫu sóng thực tế và sự hòa nhập trơn tru của các yếu tố động chứng minh khả năng tiên tiến của mô hình.

Hơn nữa, những khác biệt về kiến trúc giữa Vidu và Sora, với Vidu sử dụng kiến trúc Biến đổi Tầm nhìn Phổ quát (UViT), cho thấy đội ngũ Trung Quốc đã áp dụng một cách tiếp cận độc đáo để giải quyết những thách thức của việc tạo video từ văn bản.

Thông báo gần đây về Vidu, mô hình video AI từ văn bản đầu tiên của Trung Quốc, được phát triển bởi Shang Shu Technology và Đại học Tsinghua, đã gây ra sự quan tâm và tranh luận đáng kể. Mặc dù một số người đã chỉ trích chất lượng của các video được tạo ra, việc xem xét kỹ lưỡng hơn cho thấy khả năng của Vidu khá ấn tượng, đặc biệt là về tính nhất quán theo thời gian và độ trung thực của chuyển động.

Khi so sánh hiệu suất của Vidu với mô hình văn bản sang video tiên tiến nhất Sora, trở nên rõ ràng rằng Vidu đã đạt được những bước tiến đáng kể. Chuyển động và tính nhất quán theo thời gian được quan sát trong các bài trình diễn của Vidu, như chuyển động của chiếc váy, sự xoay của chiếc áo khoác và hành vi thực tế của các con sóng, đáng kể hơn so với những gì hiện có trong các mô hình như Runway Gen 2.

Hơn nữa, những khác biệt về kiến trúc giữa Vidu và Sora cũng đáng chú ý. Vidu sử dụng kiến trúc Biến đổi Tầm nhìn Phổ quát (UViT), đi trước Biến đổi Khuếch tán được sử dụng bởi Sora. Cách tiếp cận độc đáo này cho phép Vidu tạo ra các video thực tế với các chuyển động máy quay động, biểu cảm khuôn mặt chi tiết và tuân thủ các đặc tính của thế giới vật lý như ánh sáng và bóng tối.

Mặc dù chất lượng của các đoạn video được chia sẻ có thể bị ảnh hưởng bởi việc tải xuống và nén lặp đi lặp lại, nhưng các khả năng cơ bản của Vidu vẫn ấn tượng. Tính nhất quán theo thời gian và độ trung thực của chuyển động thể hiện trong các ví dụ, đặc biệt là chuyển động của các TV và sự ổn định của các yếu tố nền, cho thấy Vidu đã đạt được những tiến bộ đáng kể trong lĩnh vực tạo video từ văn bản.

Vidu, mô hình AI tạo video từ văn bản được phát triển bởi Shang Shu Technology và Đại học Tsinghua, sử dụng một kiến trúc độc đáo khiến nó nổi bật so với các mô hình hiện có. Các khía cạnh chính của kiến trúc Vidu và những ưu điểm của nó như sau:

1. Biến đổi Tầm nhìn Phổ quát (UViT): Kiến trúc của Vidu dựa trên Biến đổi Tầm nhìn Phổ quát (UViT), được đề xuất từ tháng 9 năm 2022, trước kiến trúc Biến đổi Khuếch tán được sử dụng bởi Sora. Kiến trúc độc đáo này cho phép Vidu tạo ra các video thực tế với các chuyển động máy quay động, biểu cảm khuôn mặt chi tiết và tuân thủ các đặc tính của thế giới vật lý như ánh sáng và bóng tối.

2. Tính nhất quán theo thời gian: Một trong những tính năng nổi bật của Vidu là khả năng duy trì tính nhất quán theo thời gian trong các video được tạo ra. So với các mô hình tiên tiến khác như Runway Gen 2, Vidu thể hiện sự vượt trội về chuyển động và di chuyển, đặc biệt trong các cảnh với nước, sóng và các đối tượng như TV. Sự nhất quán trong chuyển động của những yếu tố này là minh chứng cho khả năng tiên tiến của Vidu.

3. Vượt trội so với các mô hình hiện có: Mặc dù chưa được công khai, hiệu suất của Vidu trong bản demo thể hiện khả năng vượt trội so với trạng thái hiện tại của việc tạo video từ văn bản. Khi so sánh với Sora và Runway Gen 2, các video được tạo ra bởi Vidu thể hiện mức độ chi tiết, tính thực tế và tính nhất quán theo thời gian cao hơn, cho thấy tiềm năng trở thành một công nghệ đột phá trong lĩnh vực này.

4. Ưu điểm về kiến trúc: Kiến trúc độc đáo của Vidu, đi trước Biến đổi Khuếch tán được sử dụng bởi Sora, cho phép nó tạo ra các video với các chuyển động máy quay động, biểu cảm khuôn mặt chi tiết và tuân thủ các đặc tính của thế giới vật lý. Điều này gợi ý rằng cách tiếp cận của Vidu có thể mang lại những ưu điểm so với các mô hình hiện có về mặt linh hoạt và khả năng thích ứng.

Việc Trung Quốc gần đây công bố mô hình AI tạo video từ văn bản tiên tiến nhất, VidU, được phát triển bởi Shang Shu Technology và Đại học Tsinghua, đã gây ra những làn sóng chấn động trong cộng đồng AI. Khả năng của mô hình này tạo ra các video độ phân giải cao 16 giây chỉ với một cú nhấp chuột, vượt trội so với khả năng của Whisper của OpenAI, là một dấu hiệu rõ ràng về nỗ lực AI nhanh chóng của Trung Quốc.

Bản demo VidU thể hiện tính nhất quán theo thời gian ấn tượng, chuyển động thực tế và chú ý đến các đặc tính của thế giới vật lý như ánh sáng và bóng tối. Mặc dù chất lượng có thể không bằng các sản phẩm hiện tại của Whisper, đây vẫn là một thành tựu đáng kể, đặc biệt khi xem xét kiến trúc độc đáo của VidU, đi trước Biến đổi Khuếch tán được sử dụng bởi Whisper.

Khi so sánh với các mô hình tạo video tiên tiến khác như Gen 2 của Runway, hiệu suất của VidU rõ ràng vượt trội về các chuyển động máy quay động, biểu cảm khuôn mặt chi tiết và tuân thủ các ràng buộc của thế giới vật lý. Điều này nổi bật sự tiến bộ nhanh chóng của Trung Quốc trong lĩnh vực AI, vượt qua khả năng của các mô hình được coi là tiên tiến nhất chỉ một năm trước.

Implikasi từ bước đột phá công nghệ này là đáng kể. Nó gợi ý rằng Trung Quốc không chỉ đuổi kịp Phương Tây trong phát triển AI mà còn có thể đã dẫn đầu trong một số lĩnh vực. Điều này đặt ra những câu hỏi về tương lai của cuộc đua AI và cách Hoa Kỳ và các quốc gia khác sẽ phản ứng với những tiến bộ của Trung Quốc.

Cuộc đua AI có thể trở nên gay gắt hơn, với cả hai quốc gia cạnh tranh để mở rộng ranh giới của những gì có thể trong lĩnh vực này. Cuộc cạnh tranh này có thể dẫn đến sự đổi mới và bước đột phá nhanh chóng, nhưng cũng đặt ra những lo ngại về các hàm ý đạo đức và khả năng lạm dụng các công nghệ mạnh mẽ này.

Khi thế giới theo dõi cuộc đua AI này diễn ra, điều quan trọng là các nhà hoạch định chính sách, nhà nghiên cứu và công chúng cần tham gia vào các cuộc thảo luận sâu sắc về việc phát triển và triển khai có trách nhiệm các công nghệ biến đổi này. Tương lai của AI sẽ không thể tránh khỏi việc định hình bức tranh toàn cầu, và kết quả của cuộc đua này có thể có những hậu quả xa rộng đối với thế giới.

Thông báo gần đây từ công ty AI Trung Quốc Shang Shu Technology, cùng với Đại học Ting, giới thiệu mô hình văn bản sang video AI "vidu" của họ là một dấu hiệu rõ ràng về sự tiến bộ nhanh chóng của Trung Quốc trong lĩnh vực AI. Khả năng tạo ra các video độ phân giải cao 1080p, 16 giây chỉ với một cú nhấp chuột là một thành tựu đáng kể, đặt vidu như một đối thủ tiềm năng của mô hình văn bản sang video Whisper của OpenAI.

Mặc dù bản demo đã nhận được những phản ứng trái chiều, điều quan trọng là phải nhận ra những thách thức vốn có trong việc tạo video và sự tiến bộ đạt được bởi vidu so với các mô hình tiên tiến hiện có miễn phí. Tính nhất quán theo thời gian, chuyển động và tuân thủ các đặc tính của thế giới vật lý được quan sát trong bản demo vidu rất ấn tượng và cho thấy Trung Quốc đã liên tục tăng cường nỗ lực AI của mình.

Sự khác biệt về kiến trúc giữa vidu và Whisper của OpenAI, với vidu sử dụng kiến trúc Biến đổi Tầm nhìn Phổ quát (UViT), càng làm nổi bật những cách tiếp cận sáng tạo được khám phá bởi các nhà nghiên cứu AI Trung Quốc. Sự phát triển này, cùng với những tiến bộ gần đây của Trung Quốc trong lĩnh vực robot và mô hình ngôn ngữ lớn, nhấn mạnh sự thống trị ngày càng tăng của quốc gia này trong bức tranh AI.

Implikasi của sự tiến bộ công nghệ này rất rộng lớn, vì nó có thể kích hoạt một "cuộc đua AI" giữa Trung Quốc và Hoa