Die Ära der KI-Videoproduktion hat begonnen
Das KI-Startup hinter Stable Diffusion testet nun ein generatives KI-Tool für Videos. Es kann aus einem Standbild Videos erstellen.
12punto
Wir haben bereits KI-Modelle gesehen, die Videos produzieren, aber Stability AI, das KI-Startup hinter Stable Diffusion, steigt nun in diesen Bereich ein und hebt die Qualität deutlich an. Das neue Stable Video Diffusion-Modell, das sich durch Qualität und Realismus von seinen Mitbewerbern abhebt, ermöglicht es Nutzern, aus einem einzigen Bild ein Video zu erstellen.
KI KANN AUCH VIDEOS ERZEUGEN
Wie Donanımhaber berichtet, erscheint Stable Video Diffusion in zwei Modellvarianten: SVD und SVD-XT. Das erste, SVD, wandelt Standbilder in 14 Einzelbildern in 576×1024-Videos um. SVD-XT nutzt dieselbe Architektur, erhöht jedoch die Anzahl der Einzelbilder auf 24. Beide können Videos mit einer Bildrate von drei bis 30 Bildern pro Sekunde erzeugen. Diese Videoergebnisse scheinen mit den Ausgaben von Metas neuestem Video-Generierungsmodell sowie denen von Google und den KI-Startups Runway und Pika Labs entweder gleichauf zu liegen oder sogar eine höhere Qualität aufzuweisen.
Neben diesen Entwicklungen ist Stable Video Diffusion derzeit nur für Forschungszwecke verfügbar, nicht für reale oder kommerzielle Anwendungen. Stability AI gibt an, dass sich potenzielle Nutzer für eine Warteliste anmelden können; das Tool könnte in Zukunft in Bereichen wie Werbung, Bildung, Unterhaltung und vielen weiteren Branchen Anwendung finden.
ES GIBT NOCH LÜCKEN
Die im veröffentlichten Video gezeigten Beispiele sind von relativ hoher Qualität und können mit konkurrierenden generativen Systemen mithalten. Dennoch weist das Unternehmen auf einige Mängel hin: Die erzeugten Videos sind relativ kurz (weniger als 4 Sekunden), es fehlt an perfektem Fotorealismus, außer langsamen Schwenks sind keine Kamerabewegungen möglich, es gibt keine Textsteuerung, das Tool kann keinen lesbaren Text erzeugen und hat Schwierigkeiten bei der korrekten Darstellung von Menschen und Gesichtern.
Was das Training betrifft, so erklärt Stability AI, dass das Tool auf einem Datensatz aus Millionen von Videos trainiert und anschließend durch Feinabstimmung auf einem kleineren Datensatz von mehreren hunderttausend bis zu einer Million Videos optimiert wurde. Stability AI betont, dass ausschließlich öffentlich zugängliche Videos für Forschungszwecke verwendet wurden.
Genau wie sich KI-Tools zur Text-zu-Bild-Generierung rasant weiterentwickelt haben und ein fotorealistisches Niveau erreicht haben, werden auch KI-Modelle zur Videoproduktion in kurzer Zeit deutlich realistischere Inhalte erstellen können. All dies bringt Risiken wie Deepfakes, Urheberrechtsverletzungen und verschiedene Formen des Missbrauchs mit sich. Daher ist es unerlässlich, dass die Weiterentwicklungen innerhalb entsprechender Grenzen erfolgen.