Mô hình AI mới của Tencent giúp biến hình ảnh thành video bằng gợi ý đơn giản

Sơn Vân18/03/2024 11:00
Mô hình AI mới của Tencent giúp biến hình ảnh thành video bằng gợi ý đơn giản

Gã khổng lồ công nghệ Tencent hôm 15.3 đã giới thiệu mô hình trí tuệ nhân tạo (AI) Follow-Your-Click hỗ trợ chuyển đổi hình ảnh thành video với sự cộng tác của các đối tác học thuật.

Đã được Tencent (Trung Quốc) đưa lên trên nền tảng GitHub của Microsoft, Follow-Your-Click cho phép người dùng người dùng nhấp vào các phần nhất định trên hình ảnh kèm gợi ý bằng văn bản đơn giản rằng muốn nó di chuyển như thế nào, sau đó ảnh tĩnh sẽ chuyển đổi thành đoạn video hoạt hình ngắn.

Dự án này là sự hợp tác giữa nhóm Hunyuan của Tencent, Đại học Khoa học và Công nghệ Hồng Kông cùng Đại học Thanh Hoa (một trong hai trường đại học hàng đầu của Trung Quốc ở thủ đô Bắc Kinh).

GitHub là nền tảng dành cho việc quản lý mã nguồn mở và dự án phần mềm. Nó cung cấp các công cụ để các nhà phát triển phần mềm có thể làm việc cùng nhau trong việc phát triển, quản lý và theo dõi mã nguồn của các dự án.

GitHub cho phép người dùng lưu trữ mã nguồn của họ trên các kho lưu trữ, theo dõi các thay đổi, quản lý phiên bản, tạo ra các nhánh để thử nghiệm tính năng mới và hợp nhất các thay đổi từ nhiều người dùng khác nhau vào dự án chung. Đây là một trong những nền tảng phổ biến nhất, quan trọng nhất cho cộng đồng phát triển phần mềm mã nguồn mở và dự án phần mềm kỹ thuật mở.

Tencent cho biết sẽ phát hành mã nguồn đầy đủ của Follow-Your-Click vào tháng 4, nhưng bản demo đã có sẵn trên GitHub. Các nhà nghiên cứu đã trình diễn một số khả năng của Follow-Your-Click ở đó. Một kết quả cho thấy hình ảnh con chim với gợi ý “vỗ cánh” đã biến thành file MP4 ngắn về con chim có màu sắc cầu vồng vẫy một bên cánh. Hình ảnh khác về cô gái đứng ngoài trời với gợi ý một từ đơn giản là “bão” đã biến thành hình ảnh động với tia chớp lóe lên ở phía sau.

follow-your-click-mo-hinh-ai-moi-cua-tencent-giup-bien-hinh-anh-thanh-video-bang-goi-y-don-gian.jpg
Một số video và ảnh động do Follow-Your-Click tạo ra có trên GitHub

Theo bài báo học thuật của các nhà nghiên cứu từ ba tổ chức nêu trên, Follow-Your-Click được tạo ra nhằm mục đích giải quyết các vấn đề mà các mô hình chuyển hình ảnh thành video khác trên thị trường gặp phải là có xu hướng di chuyển toàn bộ cảnh thay vì tập trung vào các đối tượng cụ thể trong ảnh. Các mô hình AI khác yêu cầu người dùng đưa ra những mô tả chi tiết về cách thức và nơi họ muốn hình ảnh di chuyển.

Những nhà nghiên cứu viết trong bài đăng trên arXiv (kho lưu trữ bài báo khoa học trực tuyến): “Khung làm việc của chúng tôi có khả năng kiểm soát người dùng đơn giản hơn nhưng chính xác hơn và hiệu suất tạo ra tốt hơn so với các phương pháp trước đây”.

Việc tạo video từ văn bản đã trở thành một chủ đề nóng kể từ khi OpenAI giới thiệu Sora vào ngày 15.2. Sora có thể tạo video tối đa 1 phút với hình ảnh ấn tượng, chân thực dựa trên gợi ý từ người dùng. Mô hình AI này tạo ra các cảnh phức tạp với nhiều nhân vật, các kiểu chuyển động cụ thể cũng như chi tiết chính xác về chủ đề và hậu cảnh dựa trên những gì người dùng yêu cầu.

Trong lĩnh vực chuyển văn bản và hình ảnh thành video, Pika Labs có trụ sở tại Thung lũng Silicon, do Guo Wenjing (chuyên gia người Trung Quốc) tại Đại học Stanford (Mỹ) đồng sáng lập, là ngôi sao đang lên khác. Công ty khởi nghiệp này đã huy động được 55 triệu USD trong các vòng vốn hạt giống và vốn Series A từ một số tên tuổi lớn nhất trong ngành công nghệ.

Vào tháng 1, Tencent đã trình làng công cụ chỉnh sửa và tạo video nguồn mở VideoCrafter2, có khả năng tạo video từ văn bản. Đây là phiên bản cập nhật của VideoCrafter1, được phát hành vào tháng 10.2023 nhưng chỉ giới hạn ở các video chỉ 2 giây.

Gần như cùng thời gian đó, ByteDance đã phát hành mô hình chuyển văn bản thành video MagicVideo-V2. Theo trang GitHub của dự án, MagicVideo-V2 kết hợp “mô hình chuyển văn bản thành hình ảnh, trình tạo chuyển động video, mô đun nhúng hình ảnh tham chiếu và mô đun nội suy khung vào một đường dẫn tạo video từ đầu đến cuối”.

ModelScope, đơn vị của Damo Vision Intelligence Lab thuộc Alibaba, cũng giới thiệu mô hình chuyển văn bản thành video nhưng hiện chỉ hỗ trợ đầu vào tiếng Anh và đầu ra video bị giới hạn trong 2 giây.

Alibaba mới đây tung ra công cụ AI tạo video chân dung có tên EMO (Emotive Portrait Alive), hỗ trợ biến hình ảnh và gợi ý về âm thanh thành video người hát và nói chuyện.

Được nghiên cứu bởi Viện Điện toán Thông minh (IIC) của Alibaba cùng các tác giả LinRui Tian, Qi Wang, Bang Zhang và LieFeng Bo, EMO có khả năng "tạo biểu cảm kèm âm thanh từ nhân vật trong ảnh". Nói cách khác, EMO có thể biến một hình ảnh tham chiếu tĩnh và âm thanh giọng nói thành video người có thể nói, hát với biểu cảm tự nhiên.

So với các AI trước đây chỉ làm biến đổi miệng và một phần khuôn mặt, EMO có thể tạo nét mặt, tư thế, di chuyển phần lông mày, nhíu mắt hay thậm chí lắc lư theo điệu nhạc. Đặc biệt, phần miệng được AI thể hiện tự nhiên, đồng bộ môi chính xác.

Trong một số video do Alibaba công bố, hình ảnh sẽ biến thành video và hát các bài được nhập vào nhanh chóng. Ngoài tiếng Anh và tiếng Trung, EMO cũng hỗ trợ nhiều ngôn ngữ khác. Alibaba cho biết đã huấn luyện AI với lượng lớn dữ liệu về hình ảnh, âm thanh và video nhằm tạo biểu cảm khuôn mặt một cách chân thực thông qua mô hình khuếch tán riêng có tên Audio2Video.

"Chúng tôi muốn giải quyết thách thức lớn hiện nay là tính chân thực và tính biểu cảm trong việc tạo video từ hình ảnh và âm thanh bằng cách tập trung vào mối liên hệ cũng như sắc thái giữa tín hiệu âm thanh và chuyển động trên khuôn mặt. Phương pháp được áp dụng là tổng hợp, bỏ qua liên kết mô hình 3D trung gian hoặc các điểm mốc trên khuôn mặt, chuyển tiếp khung hình liền mạch và bảo toàn tính nhất quán trong video, mang lại ảnh động có tính biểu cảm cao và sống động như thật", đại diện nhóm giải thích.

Hiện dữ liệu của EMO đã được công bố trên Github, còn các tài liệu nghiên cứu được đăng trên ArXiv. Alibaba chưa tiết lộ khi nào sẽ phát hành công khai EMO.

Gần đây, các giáo sư từ Đại học Bắc Kinh và Rabbitpre (công ty AI có trụ sở tại thành phố Thâm Quyến, Trung Quốc) đã thực hiện một nỗ lực mới để phát triển phiên bản Trung Quốc của Sora.

Nhóm các nhà nghiên cứu này đã cùng nhau đưa ra kế hoạch Open-Sora thông qua một trang trên nền tảng lưu trữ mã nguồn GitHub, với sứ mệnh “tái tạo mô hình tạo video từ văn bản của OpenAI”.

Kế hoạch Open-Sora nhằm mục đích tái tạo một phiên bản “đơn giản và có thể mở rộng” của Sora với sự trợ giúp từ cộng đồng nguồn mở.

Theo trang GitHub của dự án này, nhóm nghiên cứu đã phát triển một khung công việc gồm 3 phần và trình chiếu 4 bản demo của các video được tái tạo ở các độ phân giải và tỷ lệ khung hình khác nhau, từ 3 giây đến 24 giây.

Các nhiệm vụ tiếp theo của nhóm gồm tinh chỉnh công nghệ để tạo ra độ phân giải cao hơn cũng như đào tạo với nhiều dữ liệu hơn và nhiều bộ xử lý đồ họa (GPU) hơn.

Kế hoạch Open-Sora được đưa ra bởi Rabbitpre AIGC Joint Lab (sự hợp tác giữa Trường Cao học Thâm Quyến của Đại học Bắc Kinh và Rabbitpre), thành lập vào tháng 6.2023. Rabbitpre AIGC Joint Lab chuyên nghiên cứu trong lĩnh vực nội dung do AI sản xuất.

Dự án Open-Sora liệt kê 13 thành viên là nhóm ban đầu, gồm cả trợ lý Giáo sư Yuan Li từ khoa Kỹ thuật Điện và Máy tính của Đại học Bắc Kinh và Giáo sư Tian Yonghong từ Trường Khoa học Máy tính. Danh sách này còn có Dong Shaoling (người sáng lập kiêm Giám đốc điều hành Rabbitpre) và Chu Xing (Giám đốc công nghệ Rabbitpre).

 


Gửi bình luận
(0) Bình luận
1

Vì sao Kim Dung để cao thủ top 2 giới võ lâm bị Tạ Tốn dễ dàng hạ gục?

Cái chết của cao thủ này còn ẩn chứa nhiều bí mật.
2

Ảnh địa phận 29 tỉnh thành chỉ còn trong kỷ niệm, chạm cảm xúc nhiều người

Từ năm 2020 tới nay, anh Duy An rong ruổi tới khắp các vùng miền trên Tổ quốc, ghi lại bức ảnh về địa phận từng tỉnh thành. Không ngờ bộ ảnh nhận sự quan tâm đặc biệt do chạm tới cảm xúc nhiều người.
5

Cô nàng siêu robot Sophia từng tuyên bố “sẽ hủy diệt loài người” bây giờ ra sao?

Trong thời điểm AI bùng nổ, lời nói năm xưa của Sophia có đáng lo sợ?

Top 10 cao thủ của Anh hùng xạ điêu: Quách Tĩnh bét bảng, ai đứng đầu?

Cao thủ đứng ở vị trí thứ nhất hóa ra là người này?

Sát nhân dị nhất của Kim Dung khiến Đào Cốc Lục Tiên sợ một phép, chết vì lý do lãng xẹt

Sát nhân này tuy xuất hiện thoáng qua nhưng vẫn khiến nhiều fan nguyên tác nhớ mãi nhờ tính tình cổ quái.

Cao thủ "lười biếng" của Kim Dung: Sở hữu 7 tuyệt kỹ vô địch nhưng không luyện tập vì lý do này

Cao thủ này có nhiều cơ hội để trở thành người đứng đầu thiên hạ nhưng lại từ bỏ.

Bên trong ‘trang trại cày lượt view’ trên các mạng xã hội

Đài CNN cho biết năm ngoái, nhiếp ảnh gia người Anh Jack Latham dành ra 1 tháng ở Hà Nội để ghi lại hoạt động của 5 cơ sở chuyên giúp tăng lượt truy cập và mức độ tương tác trên mạng xã hội.

Tiếng kêu của một loài còn khiến muôn loài ở châu Phi sợ hãi hơn sư tử

Trong hơn 10.000 bản ghi âm về động vật hoang dã trên thảo nguyên châu Phi, 95% các loài được quan sát phản ứng với mức độ kinh hoàng hơn nhiều trước âm thanh của một loài.

4 đại cao thủ kỳ lạ của Kim Dung: Được coi là đứng đầu thiên hạ nhưng thất bại lãng xẹt

Những cao thủ này được công nhận là có võ công mạnh nhất thời của họ.

Rơi từ trên cao trong giấc mơ: Mối liên hệ bí mật giữa giấc ngủ và sự tiến hóa của loài người

Trong giấc mơ, bạn như thể rơi từ trên cao xuống và tỉnh dậy với khuôn mặt đầy kinh hãi. Tuy nhiên, loại giấc mơ này không chỉ là ảo giác đơn thuần, đằng sau nó còn có mối liên hệ bí mật với quá trình tiến hóa của loài người.

Đằng sau một quyết định lớn: Vùng xám - nơi thử lửa bản lĩnh và chiều sâu nhân văn của một nhà lãnh đạo

Hãy tưởng tượng bạn phải quyết định, nhưng tất cả dữ liệu, báo cáo, ý kiến xung quanh đều chẳng thể cho bạn đáp án rõ ràng. Không có đúng hay sai tuyệt đối. Chỉ có vô vàn rủi ro và áp lực bủa vây. Và bạn, với vai trò người dẫn đầu vẫn buộc phải đưa ra quyết định.

AI tạo video cực đỉnh của Google Veo 3 chính thức “chào sân” Việt Nam

Kỹ năng - Kỳ Thư - 04/07/2025 13:00
Google triển khai mô hình tạo video AI Veo 3 tại Việt Nam qua ứng dụng Gemini, cho phép người dùng tạo video từ văn bản kèm âm thanh, tích hợp công cụ nhận diện nội dung do AI tạo ra.

Xem "Sex Education", tôi bất ngờ với một câu thoại ngắn gọn nhưng sẽ là chân lý

Điện ảnh - Mỹ Hạnh - 04/07/2025 12:00
Thật không ngờ, bộ phim "Sex Education" lại chứa đựng nhiều triết lý thú vị như thế.

ChatGPT có thể gây ra chứng loạn thần, khiến người dùng phải nhập viện điều trị

Kỹ năng - Sơn Vân - 04/07/2025 11:00
Ngày càng nhiều người dùng ChatGPT phát triển nỗi ám ảnh mất kiểm soát với chatbot trí tuệ nhân tạo AI, dẫn đến các cuộc khủng hoảng sức khỏe tâm thần nghiêm trọng với biểu hiện như hoang tưởng, ảo tưởng và tách rời thực tại, trang Futurism đưa tin.

Viết thư pháp trên quả vải thiều, chàng trai gen Z Hà Nội gây sốt mạng

Phong cách sống - Nhật Thủy - 04/07/2025 10:00
Thay cho giấy dó và lụa, Việt Út viết thư pháp lên quả vải thiều; hình ảnh mang nét đẹp vừa truyền thống vừa mới lạ này khiến cư dân mạng sửng sốt và thích thú.

Đằng sau một quyết định lớn: Vùng xám - nơi thử lửa bản lĩnh và chiều sâu nhân văn của một nhà lãnh đạo

Từ sách - Phim - Quìn - 04/07/2025 09:00
Hãy tưởng tượng bạn phải quyết định, nhưng tất cả dữ liệu, báo cáo, ý kiến xung quanh đều chẳng thể cho bạn đáp án rõ ràng. Không có đúng hay sai tuyệt đối. Chỉ có vô vàn rủi ro và áp lực bủa vây. Và bạn, với vai trò người dẫn đầu vẫn buộc phải đưa ra quyết định.

3 vũ khí tinh thần giúp chủ doanh nghiệp sống sót và tăng trưởng

Tủ sách - Quìn - 04/07/2025 08:00
Bạn có bao giờ tự hỏi vì sao có người trở nên giàu có, còn mình cứ loay hoay? Bạn đã từng kiệt sức, chán nản khi bỏ ra rất nhiều công sức mà kết quả vẫn không xứng đáng? Bạn nhìn thấy đối thủ bứt phá, còn mình thì trì trệ và bắt đầu tụt lại phía sau?

Cảnh báo khẩn từ thói quen chụp ảnh màn hình điện thoại

Kỹ năng - An Nhiên - 03/07/2025 13:00
Theo các chuyên gia an ninh mạng, người dùng hãy sử dụng các dịch vụ lưu trữ đám mây hoặc trình quản lý mật khẩu tốt nhất để lưu trữ những thông tin quan trọng một cách an toàn.

Xem Sex Education, tôi phát hiện bí mật nhạy cảm của con gái, nhờ vậy tôi giúp con "quay xe"

Điện ảnh - Thanh Hương - 03/07/2025 12:00
Tôi đã bình tĩnh và có cuộc nói chuyện chân thành với con.

Vì sao trào lưu nhìn lại quá khứ qua Google Maps gây bão mạng?

Kỹ năng - Nhật Thùy - 03/07/2025 11:00
Không cần cỗ máy thời gian, với vài thao tác, bạn có thể "gặp lại" người thân đã khuất, ngôi nhà hay thú cưng năm xưa với trào lưu nhìn lại quá khứ qua Google Maps.

Học sinh sử dụng AI: Công cụ hỗ trợ hay làm suy yếu tư duy?

Suy ngẫm - Anh Tú - 03/07/2025 10:00
Khi máy tính bỏ túi lần đầu tiên xuất hiện trong lớp học, nhiều người lo ngại rằng chúng sẽ làm suy yếu kỹ năng toán học của học sinh.

Gia đình bác sĩ đáng yêu:"Tuổi thơ các con ngắn lắm, sợ sau lớn hơn không thích đi chơi với bố mẹ nữa"

Phong cách sống - Tiểu Nguyễn - 03/07/2025 09:00
Những chia sẻ chânh thành, dễ thương từ cặp vợ chồng BS Lưu Tuấn Phong và Đặng Hiền khiến chúng ta một lần nữa thấy ý nghĩa thiêng liêng của "gia đình".

Người lạ với chính ta

Tủ sách - FN - 03/07/2025 08:00
Rachel Aviv, bằng những báo cáo y khoa và những hồi ký chưa xuất bản, kể về những con người bất thường trong mắt người khác trong cuốn sách “Người lạ với chính ta” (tựa gốc: Strangers to Ourselves).

Khoán ngoài toàn cầu

Blog GS John VU - GS John Vu - 02/07/2025 14:00
Ngày nay Ấn Độ vẫn còn là nhà khoán ngoài CNTT mạnh, với $87 tỉ đô la xuất khẩu phần mềm so với $2.6 tỉ đô la dành cho Trung Quốc và $1.1 tỉ đô la cho Nga (dữ liệu 2009).

Nghiên cứu gây chấn động ngành tâm lý: AI giàu lòng trắc ẩn hơn con người?

Kỹ năng - Hoàng Vũ - 02/07/2025 13:00
Một nghiên cứu mới cho thấy trí tuệ nhân tạo (AI) được xem là có lòng trắc ẩn và thấu hiểu hơn so với các chuyên gia sức khỏe tâm thần.

Xem Sex Education, tôi phát hiện chính tôi khiến con gái sống trong tình trạng rất tồi tệ

Điện ảnh - Thanh Hương - 02/07/2025 12:00
Khi nghe con nói chuyện, tôi đã rất bàng hoàng. Chính tôi đã khiến con trở nên như vậy!
HẠT GIỐNG TÂM HỒN
2019 Bản quyền thuộc về hatgiongtamhon.com.vn. Phát triển bởi ONECMS
Thứ 6, 04/07/2025