Meta acaba de lanzar Movie Gen, su generador IA de imágenes, videos y clips de audio realistas, centrado en los medios de comunicación. Para demostrar las capacidades de su herramienta, la empresa compartió varios clips de 10 segundos, incluido el de un bebé hipopótamo al estilo de Moo Deng. Aunque aún no está disponible para uso público, el anuncio llega poco después de su evento Meta Connect, en el que presentó hardware nuevo y renovado, además de la última versión de su gran modelo de lenguaje, Llama 3.2.
Por: Wired
Más allá de la simple generación de texto a video, el modelo Movie Gen puede realizar ediciones específicas en un clip existente, como añadir un objeto a las manos de alguien o cambiar el aspecto de una superficie. En uno de los ejemplos de Meta, se transformó a una mujer que llevaba unos audífonos de realidad virtual para que pareciera que llevaba unos prismáticos steampunk.
Un video generado por IA a partir del prompt: “Una DJ pinchando discos. Lleva una chaqueta rosa y unos audífonos gigantes. Hay un guepardo junto a ella”. Cortesía: Meta
Movie Gen también permite generar fragmentos de audio junto con los videos. En los clips de muestra, un hombre de IA se encuentra cerca de una cascada con salpicaduras audibles y los esperanzadores sonidos de una sinfonía; el motor de un auto deportivo ruge y los neumáticos chirrían mientras recorre la pista, y una serpiente se desliza por el suelo de la selva, acompañada de suspensivos cláxones.
¿Qué tan potente es Movie Gen?
Meta compartió más detalles sobre su herramienta de IA en un documento de investigación publicado el viernes. Movie Gen Video consta de 30,000 millones de parámetros, y Movie Gen Audio, de 13,000 millones. El número de parámetros de un modelo corresponde aproximadamente a su capacidad; por ejemplo, la variante más grande de Llama 3.1 tiene 405,000 millones de parámetros. La empresa defiende que Movie Gen puede producir videos de alta definición de hasta 16 segundos, y que además, supera a los modelos de la competencia en calidad general de gráficos.
Puedes leer la nota completa en Wired