Китайські компанії перевершили американських конкурентів у сфері генерації відео за допомогою ШІ

Опитані експерти Financial Times сходяться на думці, що якщо американські розробники систем штучного інтелекту займають лідируючі позиції у створенні асистентів для написання програмного коду, то в сфері генерації відео за текстовим запитом на перших місцях вже знаходяться китайські розробники. Їхні інструменти кращі за якістю та зручністю використання.

Джерело зображення: ByteDance

Для навчання таких великих мовних моделей потрібно більше відеоматеріалів, і тут китайські платформи з їхньою широкою користувацькою базою отримують певну перевагу. Деякі експерти також схильні вважати, що китайські розробники часто нехтують авторськими правами під час навчання профільних моделей. З іншого боку, ці обмеження врешті-решт призводять до того, що американські моделі видають менш реалістичні відео за підсумками роботи.

Засновник стартапу Director AI Бен Цзян (Ben Chiang), який виробляє за допомогою ШІ-генераторів короткометражні мультфільми та серіали, відзначає прогрес китайських генераторів відео в якості роботи. Зокрема, вони краще розуміють текстові запити, синхронізують аудіо та стабілізують голоси персонажів. Незалежний продюсер Георгій Размадзе (George Won) з Тбілісі зазначає, що китайські генератори відео дозволяють динамічно змінювати кут зйомки, не втрачаючи деталей освітлення та чіткості обличчя персонажів, тоді як багато моделей у такій ситуації грішать артефактами.

Незалежна платформа Arena високо оцінює ШІ-моделі Kling, Seedance 2.0 та HappyHorse 1.0. Американська Veo 3 корпорації Google також близька до них завдяки доступу до родинного YouTube, але через обмеження в сфері авторських прав вона не така хороша, як могла б бути. Успіх китайських ІІ-генераторів відео навіть змусив компанію Kuaishou задуматися про те, щоб відокремити Kling в самостійний бізнес і вивести його на біржу. Послаблення в сфері використання захищеного авторськими правами контенту вже викликали претензії до ByteDance з боку творців персонажів всесвіту Marvel та мультиплікаційного серіалу South Park. Китайській компанії довелося взяти на себе зобов'язання щодо посилення захисту в цій сфері.

При цьому китайськими генераторами відео простіше користуватися, оскільки вони не натрапляють на численні обмеження на етапі формування текстового запиту та не стикаються з помилками. Проте, високий попит на послуги тієї ж Seedance 2.0 у лютому цього року призвів до необхідності обмежити доступ до ІІ-моделі та збільшити час очікування для деяких користувачів. Американським клієнтам ByteDance доводиться отримувати доступ до Seedance на особливих умовах. У корпоративному сегменті їм іноді доводиться авансом викладати до 2 мільйонів доларів. Проте на ринку вже присутні інструменти для подолання подібних бар'єрів. Підтримка інфраструктури для генерації відео вимагає суттєвих витрат, оскільки вони споживають більше ресурсів, ніж моделі, що працюють лише зі звуком або текстом. OpenAI на цьому фоні в березні навіть відмовилася від розвитку своєї моделі Sora. При створенні рекламних роликів ШІ вже використовується в серйозних масштабах, представники галузі вважають його дуже зручним і вигідним інструментом — тим більше, що якість контенту вже досягла рівня, важко відрізнити від натурних зйомок. Одне з рекламних агентств зізналося FT, що за запитом клієнта створило 100 000 різних відео, чого традиційним способом зробити було б вкрай дорого.

Хочеш дізнатися більше — читай відгуки