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

Tại sao Tiểu Long Nữ và Vương Ngữ Yên có dung mạo giống nhau?

Tiểu Long Nữ và Vương Ngữ Yên sở hữu dung mạo giống nhau đến kinh ngạc.
4

Kiếm hiệp Kim Dung: Mỹ nhân sở hữu võ công vô địch nhưng không xuất hiện trực tiếp

Trong thế giới kiếm hiệp Kim Dung, Lâm Triều Anh là một nhân vật đặc biệt, sở hữu võ công cái thế nhưng lại không trực tiếp xuất hiện trong cốt truyện chính.
5

Quán chè 16 món tồn tại hơn nửa thế kỷ ở TPHCM, mỗi ngày bán gần 1.000 chén

Khoảng 15h, quán "chè mâm 16 chén" tọa lạc ở chung cư Ngô Gia Tự (quận 10, TPHCM) lại tấp nập khách đến ăn. Những nồi chè to trong quán bốc khói nghi ngút, tỏa ra hương thơm hấp dẫn thực khách.

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.

Xem 'Khi Cuộc Đời Cho Bạn Quả Quýt', tôi thề sẽ không bao giờ nói "Mẹ sống vì con"

Điện ảnh - An Chi - 18/06/2025 13:00
Đứa trẻ lớn lên trong “sự hy sinh của mẹ” sẽ không học được cách hỏi mình: “Mình muốn gì?”, mà chỉ biết hỏi: “Mình nên làm gì để cha mẹ vui?”.

Quán cà phê treo hơn 700 con gấu bông gây sốt TPHCM, bảo vệ túc trực 24/24

Thư giãn - Cẩm Tiên - 18/06/2025 12:00
Quán cà phê "Mê" ở quận Gò Vấp (TPHCM) đang trở thành điểm đến gây sốt của giới trẻ nhờ trang trí hơn 700 con gấu bông đủ kích cỡ.

Cần biết về 168 phường, xã của TP.HCM (mới) sau sáp nhập

Kỹ năng - Thuỷ Long - 18/06/2025 11:00
Sau khi sắp xếp, TP.HCM có 168 đơn vị hành chính cấp xã, gồm 113 phường, 54 xã và 1 đặc khu; trong đó có 112 phường, 50 xã, 1 đặc khu hình thành sau sắp xếp.

Đến một ngày ba má nhớ nhớ, quên quên...

Suy ngẫm - An Hiên - 18/06/2025 10:00
Má tôi nay ngoài 80, bắt đầu lẩn thẩn khiến tôi vui buồn lẫn lộn. Vui vì trời thương, má vẫn ở lại với chúng tôi đến lúc này và chạnh lòng vì bà đã dần lãng quên nhiều thứ.

Không còn bệnh tim - Chế ngự 'kẻ giết người thầm lặng' từ phân tử nhỏ bé

Từ sách - Phim - Hồ Lam - TT - 18/06/2025 09:00
Theo TS Louis J. Ignarro, NO - một phân tử được xem là chất độc trong công nghiệp - có thể cứu sống hàng triệu người mắc bệnh tim mạch.

7 thói quen tạo gia đình hạnh phúc - Tạo dựng gia đình hạnh phúc bằng những thay đổi nhỏ

Từ sách - Phim - Quìn - 18/06/2025 08:00
Nếu toàn bộ xã hội chúng ta đều làm việc cần mẫn ở mọi lĩnh vực khác của cuộc sống nhưng không quan tâm thích đáng đến gia đình, kết cục của chúng ta cũng sẽ giống như con tàu Titanic.

Hướng dẫn tra cứu BHXH, bảo hiểm thất nghiệp qua ứng dụng VssID

Kỹ năng - Quang Huy - 17/06/2025 13:00
Bài viết dưới đây sẽ hướng dẫn bạn cách thức để tra cứu chi tiết về quá trình đóng Bảo hiểm xã hội thông qua ứng dụng VssID trên smartphone.

Xem 'Sex Education', tôi day dứt vì khiến mẹ tủi thân

Điện ảnh - Ứng Hà Chi - 17/06/2025 12:00
Tôi hiểu mình cần phải ngày càng cố gắng để mang lại cho mẹ cuộc sống tốt hơn.

90% người bệnh đều không biết thận đang chết dần, bác sĩ chỉ cách tự kiểm tra

Kỹ năng - Nguyễn Phượng - 17/06/2025 11:00
Việc kiểm tra lượng nước tiểu có thể chỉ ra hiệu quả chức năng thận. Hay nói cách khác, chỉ cần kiểm tra lượng nước tiểu đầu ra là đủ để biết thận có đang khỏe mạnh.

Chuyên gia lý giải tại sao con người thích thuyết âm mưu

Suy ngẫm - Hoàng Hà - 17/06/2025 10:00
Khác với quan điểm cho rằng con người tin vào thuyết âm mưu là do thiếu hiểu biết, một nghiên cứu mới đây chỉ ra nhiều lý do phức tạp hơn thế.

"Cửa tiệm hạnh phúc" của người tự kỷ - Nơi công việc là chìa khóa giúp mở cánh cửa hòa nhập với cộng đồng

Truyền cảm hứng - Nguyễn Phượng - 17/06/2025 09:00
Trong “cửa tiệm hạnh phúc”, có 10 đứa trẻ đặc biệt đang ngày càng thay đổi, hoàn thiện và có thể tự kiếm tiền nuôi sống bản thân mình.

Ánh sáng trong ta - Người gieo ánh sáng cho Michelle Obama

Từ sách - Phim - Quìn - 17/06/2025 08:00
Trong cuốn hồi ký "Ánh sáng trong ta", Michelle không gọi cha mình là một người hùng hay biểu tượng, nhưng hình ảnh ông hiện lên như một nguồn sáng lặng lẽ mà âm ỉ cháy qua từng hành động nhỏ, từng giá trị sống mà ông âm thầm truyền lại cho các con.

Phía tối của công nghệ

Blog GS John VU - GS John Vu - 16/06/2025 13:00
Đã có nhiều bài viết về thành công của công nghiệp khoán ngoài CNTT ở Ấn Độ, phần lớn trong số đó đều từ quan điểm kinh tế như $ 85 tỉ đô la xuất khẩu trong năm 2008 và nhiều triệu việc làm công nghệ cao được tạo ra.

Xem 'Sex Education', tôi hối hận vì nói: 'Nhìn con nhà người ta mà xem, mẹ thất vọng vì con'

Điện ảnh - Ứng Hà Chi - 16/06/2025 12:00
Đôi khi, những điều tưởng chừng nhỏ bé lại khắc sâu trong lòng con trẻ, âm thầm định hình cách con nhìn nhận bản thân và thế giới xung quanh.

Một tính năng trên Zalo giúp ngăn chặn truy cập trái phép kể cả khi bị lộ mật khẩu

Kỹ năng - An Nhiên - 16/06/2025 11:00
Tính năng "Bảo mật 2 lớp" được Công an TP. Cần Thơ đánh giá là một trong những biện pháp bảo vệ tài khoản mạnh mẽ nhất, giúp ngăn chặn truy cập trái phép ngay cả khi ai đó biết mật khẩu hoặc chiếm được mã OTP tạm thời.
HẠT GIỐNG TÂM HỒN
2019 Bản quyền thuộc về hatgiongtamhon.com.vn. Phát triển bởi ONECMS
Thứ 4, 18/06/2025