Forskere hos Google’s AI research har formået at træne neurale netværk til at syntetisere video sekvenser ud fra en tekst beskrivelse.
Forskerne har gjort brug af erfaringer fra tidligere “Imagen” diffusions modeller, men påført disse på videosekvenser, hvilket må siges at være noget af et fremskridt for AI.
Videoerne som genereres er dog ikke uden fejl og oftest indeholder de fejl, som gør det let at spotte at det ikke er ægte video, men dette er første iteration af denne form for AI, så hvor vi mon er om bare få år?