Google 正将其 Veo 2 视频生成 AI 模型引入 Gemini Advanced 付费用户,这是该公司推出的高级 AI 服务计划。
此次扩展正值 Google 寻求推出 OpenAI 的 Sora 视频生成平台的对标产品之际,同时这一领域的竞争也日益激烈。两周前,一家颇具实力的合成媒体公司 Runway 发布了其第四代视频生成器,并筹集了超过 3 亿美元的新资金。
从本周二开始,Gemini Advanced 订阅用户可在 Google 的 Gemini 应用中从模型下拉菜单选择 Veo 2。用户可以生成 16:9 画幅、720p 分辨率的 8 秒视频剪辑,并通过 Gemini 的 “share” 按钮将这些剪辑上传至 TikTok、YouTube 等平台。由 Veo 2 生成的视频还可下载为 MP4 文件,并附加有 Google SynthID 技术的水印。
Google 表示,每月用户可生成的视频数量存在限制,而且目前 Google Workspace 商务和教育计划尚不支持该功能。
Google 还将 Veo 2 与 Whisk 集成,Whisk 是 Google Labs 中一项实验性功能,允许用户将图像作为提示,通过 Gemini 创造出新图像。新功能 Whisk Animate 使用户能够将生成的图像转换成 8 秒的 Veo 2 生成视频。(Google Labs 是 Google 为早期 AI 产品提供的平台,该平台通过公司每月 20 美元的 Google One AI Premium 订阅进行授权。)
目前来看,Google 对 Veo 2 的应用显得相对基础。不过,Google DeepMind 首席执行官 Demis Hassabis 最近表示,公司计划最终将 Gemini AI 模型与 Veo 相结合,以提升前者对物理世界的理解能力。
与此同时,许多艺术家和创作者对 Veo 2 这类视频生成器持谨慎态度,因为它可能颠覆整个创意产业。由好莱坞动画师与卡通画家工会 Animation Guild 委托的一项 2024 年研究估计,到 2026 年,基于美国的电影、电视和动画工作岗位中将有超过 10 万个因 AI 的应用而受到冲击。
好文章,需要你的鼓励
AWS通过升级SageMaker机器学习平台来扩展市场地位,新增观测能力、连接式编码环境和GPU集群性能管理功能。面对谷歌和微软的激烈竞争,AWS专注于为企业提供AI基础设施支撑。SageMaker新功能包括深入洞察模型性能下降原因、为开发者提供更多计算资源控制权,以及支持本地IDE连接部署。这些更新主要源于客户需求,旨在解决AI模型开发中的实际问题。
南洋理工大学研究团队开发了WorldMem框架,首次让AI拥有真正的长期记忆能力,解决了虚拟世界模拟中的一致性问题。该系统通过记忆银行存储历史场景,并使用智能检索机制,让AI能准确重现之前的场景和事件,即使间隔很长时间。实验显示在Minecraft和真实场景中都表现出色,为游戏、自动驾驶、机器人等领域带来广阔应用前景。
AI虽具备变革企业洞察力的潜力,但成功依赖于数据质量。大多数AI项目失败源于数据混乱分散而非算法局限。谷歌BigQuery云数据AI平台打破数据孤岛,简化治理,加速企业AI应用。通过AI自动化数据处理,实现实时分析,并与Vertex AI深度集成,使企业能够高效处理结构化和非结构化数据,将智能商业转型从愿景变为现实。
MTS AI研究团队提出RewardRanker系统,通过重排序模型和迭代自训练显著提升AI代码生成质量。该方法让13.4B参数模型超越33B大模型,在多种编程语言上表现优异,甚至在C++上超越GPT-4。通过引入困难负样本和PPO优化,系统能从多个代码候选中选出最优方案,为AI编程助手的实用化奠定基础。