काठमाडौं ।
टेक्स्ट प्रम्प्टहरूबाट अडियो क्लिपहरू उत्पन्न गर्ने क्षमता प्राप्त गरेको माइक्रोसफ्टको कोपाईलट एआई पछि गुगलले भिडियोपोयट प्रस्तुत गरेको छ।
गुगलको उक्त भिडियोपोयट एउटा लार्ज ल्याङ्गवेज मोडल (एलएलएम) भएको र यसले बाउन्ड्रिज (सीमाहरू) पुश गरेर १० सेकेन्डको क्लिप्सको भिडियो जेनरेसन (उत्पादन) गर्ने र जसले फ्यिअर आर्टिफ्याक्टस् तयार पार्ने जनाइएको छ।
साथै यस मोडलले भिडियो जेनरेसन टास्क (उत्पादन कार्यहरू), टेक्स्ट–टु–भिडियो कन्भर्सन, ईमेज–टु–भिडियो ट्रान्सफर्मेसन, भिडियो स्टालाईजेसन, इनपेन्टिङ र भिडियो–टु–अडियो फङ्गसनेलिटिजको एर्रेलाई समर्थन गर्दछ।
यसले टेक्स्ट प्रम्प्टस्बाट १०–सेकेन्ड भिडियो क्लिप्स उत्पन्न गर्दछ र तस्विरहरू एनिमेसन गर्न सक्षम छ।
आफ्नो पूर्ववर्तीहरूको विपरीत यस भिडियोपोयटले भने कोहिरेन्ट लार्ज–मोसन भिडियोको जेनरेसनमा उत्कृष्ट प्रदर्शन गरेर आफूलाई अलग्गै राखेको जनाइएको छ। यस मोडलले जेन २ लगायतका प्रतिस्पर्धालाई पछाडि पार्दै दश सेकेन्ड लामो भिडियोहरू उत्पादन गरेर आफ्नो क्षमता प्रदर्शन गरेको छ। त्यसका साथै, भिडियोपोयट भिडियो उत्पादनको लागि स्पेसिफिक डाटामा भर नपर्ने र यसलाई अन्य मोडलहरूलाई जस्तो अप्टिमल रिजल्टस (परिणामहरू) को लागि डिटेल (विस्तृत) इनपुट पनि नचाहिने हुन्छ ।
त्यसैगरी मल्टि–मोडल लार्ज मोडलको लाभ उठाएर यसलाई भिडियो उत्पादनमा सम्भावित रूपमा मुख्यधारको बनाउनका लागि ट्र्याजेक्टोरीमा सेट गरेर यो मल्टिफ्यासिटेड क्यापाबिलिटी (बहुआयामिक क्षमता) सम्भव बनाइएको उल्लेख छ।
यी सबैको लागि भिडियोपोयटले लार्ज ल्याङ्गवेज मोडल्स (एलएलएमहरू) को शक्ति प्रयोग गर्नेछ। त्यसका साथै मोडलले सिङ्गल एलएलएम भित्र विभिन्न भिडियो जेनरेसन टास्क (उत्पादन कार्यहरू) लाई सहज रूपमा इन्टिग्रेट गर्दछ भने जसले प्रत्येक फङ्गसनको लागि छुट्टै प्रशिक्षित कम्पोनेन्टहरूको आवश्यकतालाई हटाउने छ।
त्यसैगरी भिडियोपोयटले इनपुट ईमेज (तस्बिर) हरूलाई प्रदान गरिएको प्रम्प्टहरूको आधारमा एनिमेसनहरूमा रूपान्तरण गर्न सक्ने र विभिन्न इनपुटहरूमा यसको अनुकूलन क्षमता प्रदर्शन पनि गर्नेछ ।
भिडियोपोयटको रिलीजले एआई–ड्रिभन भिडियो जेनरेशनमा नयाँ आयाम थप्ने छ भने सन् २०२४ मा यो रिलीज हुने सम्भावना रहेको छ।
प्रकाशित: ६ पुष २०८०, शुक्रबार
