اعمال محدودیت‌های ترافیکی در آزادراه‌های تهران-شمال و کرج-چالوس ترافیک سنگین و‌ پرحجم در جاده‌های شمال قیمت کتاب‌های درسی افزایش می‌یابد؟ رئیس قوه‌قضائیه به قضات: تا جای ممکن قرار‌های منجر به بازداشت را طوری صادر کنید که فرد امکان تامین آن را داشته باشد اعلام جرم دادستانی تهران علیه یک عضو مجمع تشخیص مصلحت نظام نتایج آزمون استخدامی آموزش و پرورش اعلام شد دستگیری اوباش محله فلاح به اتهام درگیری‌های مسلحانه توسط پلیس پایتخت تسهیلات ویژه برای مشمولان پذیرفته شده در آزمون‌های سراسری ۱۴۰۴ وزارت علوم: اعضای هیأت علمی و کارکنان دانشگاه‌ها مشمول فوق‌العاده خاص خواهند شد تاخیر ۲ ساعته در آغاز فعالیت ادارات برخی شهر‌های خوزستان راز تشکیل هسته سیاره مشتری فاش شد فعالیت‌های دریایی در خزر ممنوع شد گرمای هوا شکسته می‌شود / کاهش ۲ تا ۳ درجه‌ای دما در کل کشور از پنجشنبه رشته‌های جدید کاردانی به کارشناسی سال ۱۴۰۴ اعلام شد؛ آغاز فرصت ثبت نام ۱۳ کیلو طلای قاچاق توقیف شده در فرودگاه تحویل مراجع ذیصلاح شد تعزیرات: قیمت‌گذاری بی‌ضابطه برنج داخلی باعث نابسامانی بازار شده است

چین با هوش مصنوعی متن را به ویدئو تبدیل می‌کند

چین یک سیستم هوش مصنوعی تبدیل متن به ویدئو ساخته که در حقیقت پاسخی به سیستمی با همین قابلیت ها و ساخته شرکت آمریکایی اوپن ای آی است. هوش مصنوعی چینی ویدئوکلیپ های ۱۶ ثانیه ای می سازد.
تاریخ انتشار: ۱۳:۳۷ - ۱۱ ارديبهشت ۱۴۰۳ - 2024 April 30
کد خبر: ۲۳۸۶۹۱

به گزارش راهبرد معاصر،‌ استارت آپ چینی شنگشو تکنولوژی و دانشگاه تسینگهوا از هوش مصنوعی «ویدو»(Vidu) رونمایی کرده اند که پاسخی به هوش مصنوعی Sora اوپن ای آی است. این اپلیکیشن تبدیل متن به ویدئو، با یک کلیک کلیپ های ۱۶ ثانیه ای با وضوح ۱۰۸۰ پیکسل می سازد.

 

هرچند این ویدئوها کوتاهتر از محصول ۶۰ ثانیه ای سورا هستند. این نرم افزار جدید تبدیل متن به ویدئو در انجمنی در پکن رونمایی شد.

 

ژو جون محقق ارشد شنگشو و معاون رییس انستیتو هوش مصنوعی دانشگاه تسینگهوا دراین باره می گوید: ویدئو جدیدترین دستاورد یک نوآوری متکی بر خود است و در حوزه های مختلف دستاوردهایی دارد. این سیستم می تواند دنیای فیزیکی را شبیه سازی کند و ویدئوهای ۱۶ ثانیه ای با کاراکترها، صحنه ها و زمانبندی منسجم و یکپارچه بسازد.

 

او همچنین توضیح داد ویدئو می تواند عناصر چینی را درک کند.

 

طبق گزارش ها ویدو بر اساس یک معماری مدل تبدیل بصری خود توسعه یافته به نام Universal Vision Transformer (U-ViT) ساخته شده است. توسعه دهندگان اعلام کرده اند این سیستم دو مدل هوش مصنوعی Diffusion و Transformer را یکپارچه می کند.

 

طبق نوشته نشریه مدیوم این ساختار ویدئوهایی واقع گرایانه با حرکات دینامیک دوربین ، حالات دقیق صورت، نور و سایه های طبیعی می سازد. ژو در این باره می گوید: پس از عرضه سورا ما متوجه شدیم این سیستم به نقشه راه فنی ما بسیار نزدیک است و همین امر بیش از پیش به ما انگیزه داد تا تحقیق مان را پیش ببریم./ مهر

ارسال نظر
آخرین اخبار