Googles neues Imagen 2-Modell kann Videos generieren

Es ist noch nicht allzu lange her, dass OpenAI Sora vorstellte, das viele Menschen mit seiner Fähigkeit, aus Textaufforderungen (einigermaßen) realistische Videoclips zu erstellen, beeindruckte und erschreckte. Die KI-Bildgenerierung wurde in den letzten Monaten stark verfeinert, sodass der nächste natürliche Schritt erwartungsgemäß Video ist. Google bringt auch eigene Methoden zur Videogenerierung auf den Markt, wobei neue KI-Modelle unter dem Dach von Imagen 2 ebenfalls Großes versprechen.

Google hat Imagen 2 eingeführt, eine Modellfamilie innerhalb seiner Vertex AI-Plattform. Google geriet in die Kritik, weil sein Bildgenerierungsmodell innerhalb von Gemini einer Art Müllcontainerbrand ähnelte. Es wurde entfernt, und obwohl Gemini Imagen 2 nicht enthält (zumindest nicht sofort), bringt es eine Reihe von Verbesserungen mit sich, die es insgesamt besser für die Generierung von Bildern oder sogar Videos machen.

Zu den Verbesserungen an Imagen 2 gehören Inpainting- und Outpainting-Funktionen, die Bildmanipulationen wie das Entfernen unerwünschter Elemente oder das Hinzufügen neuer Komponenten ermöglichen. Das bedeutendste Update ist jedoch die Einführung von „Text-to-Live-Bildern“, die die Erstellung kurzer Videos aus Texteingaben ermöglicht.

Sie sollten jedoch bedenken, dass dies nicht Sora ist. Im Vergleich zu vorhandenen Tools zur Videogenerierung könnten die Fähigkeiten von Imagen 2 in Bezug auf Auflösung und Anpassungsoptionen unzureichend sein. Wir müssen sehen, wie gut es im realen Einsatz funktioniert. Es ist auch ein bisschen technisch bedingt, aber dadurch werden „Livebilder“ generiert, also kurze 4-Sekunden-Clips. Dies ist jedoch noch ein Anfang und könnte in den nächsten Monaten oder Jahren als Grundlage für ein tatsächliches Text-zu-Video-Modell dienen.

Um Bedenken hinsichtlich Deepfakes auszuräumen, integriert Google die SynthID-Technologie, um kryptografische Wasserzeichen auf Live-Bilder anzuwenden und so Authentizität und Sicherheit zu gewährleisten. Obwohl Google den Schwerpunkt auf Sicherheitsmaßnahmen legt, bleiben Fragen zur Wirksamkeit seines Ansatzes und zur Transparenz in Bezug auf Trainingsdatenquellen bestehen. Das Fehlen eines Opt-out-Mechanismus für Urheber, deren Werke möglicherweise in die Trainingsdaten aufgenommen werden, könnte bei einigen für Stirnrunzeln sorgen. Darüber hinaus gilt die Entschädigungsrichtlinie für generative KI von Google nicht für Text-to-Live-Bilder, sodass Kunden potenziellen Urheberrechtsansprüchen ausgesetzt sind.

Wir müssen abwarten, ob Google dies in irgendeiner Weise öffentlich zugänglich macht. Wir werden vielleicht mehr hören, sobald Google I/O verfügbar ist.

Quelle: TechCrunch