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
微软宣布为Word和Excel推出基于OpenAI的AI代理模式,通过简单提示即可自动生成文档和分析数据。Word用户可享受"氛围写作"功能,利用现有文档组装报告和提案。Excel代理能分析电子表格数据并生成可视化报告。尽管在SpreadsheetBench基准测试中准确率仅为57.2%,低于人类平均水平71.3%,但微软强调其针对实际工作场景优化。此外,微软还发布了基于Anthropic的Office代理,显示其正逐步减少对OpenAI的依赖。
POSTECH研究团队开发出VideoFrom3D框架,能够仅凭粗糙3D模型、摄像机轨迹和参考图片生成高质量场景视频。该方法巧妙结合图像和视频扩散模型优势,通过稀疏锚点生成和几何引导插值两个模块,实现了传统3D制作流程的革命性简化。实验证明该方法在多种复杂场景下表现优异,为3D内容创作提供了更高效的解决方案。
OpenAI为美国ChatGPT用户推出"即时结账"功能,用户可在对话中直接购买Etsy和Shopify商品,无需跳转至外部网站。该功能支持Apple Pay、Google Pay等多种支付方式,并计划接入超过100万家Shopify商户。OpenAI还将开源其代理商务协议技术,与谷歌的代理支付协议形成竞争。这标志着电商购物模式的重大转变,AI聊天机器人可能重塑在线零售发现和支付生态系统。
Meta超级智能实验室开发了ARE平台和Gaia2基准测试,为AI智能体创造了更真实的训练和评估环境。ARE支持异步交互,模拟真实世界的复杂性和不确定性。Gaia2包含1120个场景,评估AI的七项核心能力。实验显示最强模型成功率仅42%,特别在时间管理和处理歧义方面表现较差,揭示了当前AI技术的局限性和改进方向。