圖文變4秒短片 開放試玩 Stability AI推視訊生成模型
原文刊於信報財經新聞「EJ Tech 創科鬥室」
英國初創Stability AI周二在網站宣布，推出視訊生成模型Stable Video Diffusion（SVD）。從示範效果可見，用戶可從文字或圖像生成短片，例如輸入「太空人在月球漫步」、「大廈天台站了兩隻藍雀」等，即可生成約4秒的短片。模型程式碼已放在軟件代碼託管平台GitHub，以及人工智能（AI）社區HuggingFacee供開源研究。
Stable Video Diffusion以穩定擴散（Stable Diffusion）影像模型為基礎，並提供SVD及SVD-XT兩種模型形式，兩者都能以每秒3到30幀速度生成影片，其中SVD可以把靜態影像，轉換成每秒14幀的短片，解像度為576×1024像素；SVD-XT採用相同的架構，惟速度進一步增至24幀。模型本身亦有技術限制，例如生成的片段相當短，取景以慢鏡平移為主，無法渲染文字或清晰臉孔等。
語音版ChatGPT免費使用
綜觀「文字到影片」（Text-to-Video）平台，市場其實不乏同類選擇，例如Meta Platforms旗下Make-A-Video，以至谷歌（Google）開發的Imagen Video等。Stability AI強調在用戶偏好研究中，向人類評分者展示網站生成的短片，再根據畫質及提詞符合程度評分，認為新模型表現勝過RunwayML、Pika Labs等商業模型，在廣告、教育、娛樂等領域具發展潛力。
大型語言模型方面，美企OpenAI即日起向所有用戶免費開放語音版ChatGPT功能，在手機下載應用程式後，再點擊耳機圖示即可對話，有5種人聲設定可供選擇。以外賣16吋意式薄餅為例，若問及OpenAI全公司的778人，每人至少要吃3塊才飽，那該訂購多少薄餅才夠，ChatGPT隨即回答：195個薄餅。
Claude 2.1一次入500頁內容
繼OpenAI早前公布最新版GPT-4支援128K脈絡（Context Window），其主要對手Anthropic亦不甘後人，剛發布聊天機械人Claude 2.1 200K版本，能夠一次輸入約15萬個英文字（大概500頁紙）的內容，足以上傳及分析整份技術文件、冗長財務報告，甚至長篇文學作品，比起2.0的100K Context Window多了一倍，錯誤及「幻覺」問題均有顯著改善。
Anthropic提醒，開發人員可以把Claude模型連接到現有的公司應用程式介面（API）、數據庫及Web服務。定價方面，以每輸入100萬個Tokens計算，提詞（Prompt）部分收費8美元（約62.4港元），完成（Completion）部分收費24美元（約187.2港元）。模型即日起於Claude.ai網站免費試用，本港用戶必須使用VPN（虛擬私人網絡）才可訪問。
支持EJ Tech
如欲投稿、報料，發布新聞稿或採訪通知，按這裏聯絡我們。
