Plai Labs از ابزار تبدیل متن به ویدیو با هوش مصنوعی PlaiDay رونمایی کرد

Plai Labs ابزار تبدیل متن به ویدیوی مبتنی بر هوش مصنوعی خود به نام PlaiDay را برای ساخت ویدیوهای متحرک سه بعدی شخصی‌سازی شده رونمایی کرده است.

این استارت آپ جدیدترین سرمایه گذاری کارآفرینان کریس دی وولف، ابر ویتکامب و جیم بندیتو است. Plai Labs در حال راه‌اندازی جدید در نوع خود تولیدکننده متن به ویدیو شخصی‌شده به نام PlaiDay است – امروز در دسترس است اختلاف نظر.

این اولین محصول از بسیاری از محصولات است. این محصول جدید بر روی پلت فرم اختصاصی هوش مصنوعی این شرکت با کد داخلی Orchestra ساخته شده است. در حالی که این شرکت در حال حاضر از Orchestra به عنوان یک پلتفرم داخلی استفاده می کند، Plai Labs قصد دارد تا پلتفرم توسعه را در ماه های آینده با جهان به اشتراک بگذارد.

Plai Labs شروع به ایجاد بازی‌های مبتنی بر بلاک چین مانند Champions Ascension کرد که از آن خارج شد. شرکت قبلی DeWolfe و Whitcomb، Jam City. اما اکنون PlaiDay را به عنوان یک خط محصول جدید بر اساس فناوری هوش مصنوعی مولد اضافه کرده است.

DeWolfe گفت که این شرکت در حال حاضر به حمایت از هر دو تجارت در آینده تحت Plai Labs ادامه خواهد داد، اما احتمالاً در آینده اعلامیه های بیشتری را ارائه خواهد کرد.

PlaiDay به کاربران امکان می دهد بدون زحمت متن را به فیلم های متحرک سه بعدی تبدیل کرده و آنها را با شباهت خود شخصی سازی کنند و به طور موثر آنها را در کانون توجه قرار دهند.

ماموریت Plai Labs این است که افراد در سراسر جهان را برای گفتن داستان‌های منحصر به فرد خود توانمند کند، با توجه به اینکه داستان سرایی شخصی در انقلاب مداوم هوش مصنوعی نادیده گرفته شده است. این محصول پیشگامانه تبدیل متن به ویدیو، شیوه روایت داستان‌ها را بازتعریف می‌کند و وعده می‌دهد که استانداردهای جدیدی را در تولید ویدیوی هوش مصنوعی با اجازه دادن به کاربران برای ادغام شباهت خود به طور مستقیم در روایت، تعیین کند.

سفر PlaiDay با استفاده از قدرت پلتفرم هوش مصنوعی اختصاصی این شرکت آغاز می‌شود، که ایجاد گردش‌های کاری جدید هوش مصنوعی را برای کاربران فنی و غیر فنی ساده می‌کند. به گفته ویتکامب، با این پلتفرم، توسعه هوش مصنوعی دیگر محدود به متخصصان یادگیری ماشین نیست، بلکه برای گروه گسترده‌تری از مشارکت‌کنندگان باز است و نوآوری را تقویت می‌کند.

ویدیوهای تولید شده با هوش مصنوعی + شخصی سازی

قلب نوآوری PlaiDay در تولید کننده ویدیوی مبتنی بر هوش مصنوعی آن نهفته است که به کاربران امکان می دهد داستان هایی با کیفیت CGI به سادگی با تایپ چند کلمه ایجاد کنند. این ابزار ویدیوهای منحصر به فرد و با کیفیت بالا را در عرض چند دقیقه به صورت رایگان تولید می کند و به کاربران امکان می دهد ایده های عجیب و غریب، خنده دار و اصلی خود را زنده کنند.

در کانال دیسکورد پیامی به ژنراتور فرستادم با این عبارت: “پرتره یک مرد ژاپنی آمریکایی که یونیفورم GI از جنگ جهانی دوم بر تن دارد و در حالی که کلاه خود را در دست دارد لبخند می زند.” کاملاً یونیفورم و درست نگه داشتن قسمت کلاه ایمنی نداشت، اما برای چند ثانیه خیلی خوب بود.

اما تقریباً می توانید هر چیزی را که دوست دارید در آن قرار دهید. پیامی مانند: “دهه ۱۹۷۰، مرد، رقصنده دیسکو، خندان، موهای بلوند، از نزدیک.” در مدت زمان کوتاهی ویدیوی سه ثانیه ای آماده می شود. “بابی انگلیسی، سبک دهه ۱۸۰۰، خیابان های لندن، از نزدیک، شبیه زندگی” می خواهید؟ اونجا هم هست

با فناوری شخصی سازی PlaiDay، کاربران می توانند عکس خود را در این ویدیوها قرار دهند و شباهت آنها را به طور یکپارچه با محتوای تولید شده ادغام کنند. این پلتفرم شامل مجموعه‌ای از ابزارهای همه کاره با بلوک‌های کد قابل استفاده مجدد است که به کاربران با پیشینه‌های مختلف امکان می‌دهد بدون توجه به صنعتشان، برنامه‌های هوش مصنوعی نوآورانه را به سرعت ایجاد و به کار گیرند.

حتی طراحان و مدیران محصول می‌توانند از قابلیت‌های پیچیده هوش مصنوعی بدون نیاز به تیم مهندسی بسیار فنی استفاده کنند.

در حال توسعه برای سال گذشته

DeWolfe و Whitcomb در چندین استارت آپ در رسانه های اجتماعی (MySpace) و بازی ها (Jam City) با هم کار کردند در حالی که Benedetto یک شرکت را به AOL فروخت و در دهه گذشته در زمینه هوش مصنوعی کار کرده است.

DeWolfe در مصاحبه ای با GamesBeat گفت: “ما با بهترین تیم ها دوباره گرد هم آمده ایم و بهترین افراد را برای ایجاد این شرکت جمع آوری کرده ایم.” و این شرکت خاص PlayDay تنها بر روی هوش مصنوعی تمرکز دارد.

Benedetto در مصاحبه‌ای گفت که این فناوری مبتنی بر هوش مصنوعی است و می‌تواند مدل هوش مصنوعی خود را که توسط یک مدل زبان بزرگ پشتیبانی نمی‌شود، ادغام کند.

Benedetto گفت: “پلتفرم ارکستر این توانایی را دارد که اگر بخواهیم هر مدل زبان بزرگی را جستجو کنیم.” “اما بیش از نیمی از ماژول های این شبکه عصبی به صورت داخلی توسعه یافته اند. هر یک از این ویدئوها کاملا منحصر به فرد هستند، با محتوایی که قبلا هرگز ایجاد نشده است.”

دی وولف گفت که تیم حدود ۱۱ ماه است که روی این ایده کار کرده است و آنها معتقدند این ایده بر نحوه ایجاد و تعامل ما با هوش مصنوعی تأثیر خواهد گذاشت. “معنی این است که شما می توانید جملاتی را برای یک درخواست بنویسید و یک پس زمینه زیبا ایجاد کنید، تصویری از خود آپلود کنید و یک داستان واقعی بسازید” و تصاویر.

این شرکت از ابتدای سال با ارکستر سکوی هوش مصنوعی بازی می کند. DeWolfe معتقد است که سازندگان را قادر می‌سازد تا به سرعت در داستان‌سرایی اجتماعی با استفاده از هوش مصنوعی نوآوری کرده و تکرار کنند و این شرکت امیدوار است که آن را به روی اشخاص ثالث باز کند. ارکستر دارای دوازده شبکه عصبی زیربنای آن است و این تیم را قادر می سازد تا محصولی را به سرعت جمع آوری کند.

DeWolfe برنامه های کاربردی را در فضای مشتری، با اتوماسیون کمپین بازاریابی یا سایر گردش های کاری پیچیده در سازمان ها پیش بینی می کند.

او همچنین افرادی را می بیند که در آینده این تصاویر را در شبکه های اجتماعی به اشتراک می گذارند و از آنها برای گفتن داستان هایی استفاده می کنند که می تواند ویروسی شود. این شرکت دارای هوش مصنوعی و ناظران انسانی خواهد بود که محتوای غیر ایمن برای کار (NSFW) یا سخنان نفرت انگیز را فیلتر می کنند. همچنین دارای یک سیاست حفظ حریم خصوصی است. از ابزارهای مشابهی برای جلوگیری از کپی برداری از محتوای دارای حق چاپ استفاده می کند.

Whitcomb در مصاحبه با GamesBeat گفت که مدیریت زیرساخت در DNA تیم است. آنها یک واحد پردازش گرافیکی الاستیک (GPU) ایجاد کرده‌اند که می‌تواند در صورت نیاز، پردازش هوش مصنوعی را کم و زیاد کند، زیرا ابزارهای هوش مصنوعی مبتنی بر مصرف‌کننده می‌توانند به قدرت محاسباتی زیادی نیاز داشته باشند.

ویتکامب گفت: «ما بهینه‌سازی‌های زیادی را در پس‌زمینه انجام داده‌ایم تا بهترین تجربه را برای کاربر با بهترین هزینه داشته باشیم.

در همین حال، این شرکت در حال حاضر ویدیوها را به سه ثانیه محتوا محدود می کند و این باعث صرفه جویی در هزینه ها نیز می شود.

این شرکت در حال برقراری ارتباط با یک گروه اصلی از طرفداران در Discord است. این شرکت حدود ۸۰ نفر دارد و احتمالاً در آینده از مدل فریمیوم با سطوح پولی رونمایی خواهد کرد.