AI Google’a wygeneruje dźwięk do filmów

Czekacie na Oscarowe produkcje reżyserowane przez AI? Google też: nadchodząca sztuczna inteligencja autorstwa DeepMind, oddziału giganta zajmującego się AI, będzie generować dźwięk do dostarczanych jej bezgłośnych materiałów.

Dlaczego to w ogóle ważne? Cóż, sztuczna inteligencja często radzi sobie z generowaniem samych filmów, natomiast są one pozbawione dźwięku – po pierwsze dlatego, że warstwę audio generuje się siłą rzeczy inaczej niż wideo, a po drugie synchronizacja tych dwóch nie zawsze jest oczywista. DeepMind chwali się, że jego najnowszy produkt, technologia V2A (video to audio), wypełni tę rynkową lukę i stanie się „obiecującym podejściem do generowanych filmów”.

Jak działa AI oparte na V2A? Jak podaje Tech Crunch, wystarczy dostarczyć programowi filmik oraz opis tego, co ma stanowić jego ścieżkę dźwiękową. Sztuczna inteligencja następnie wygeneruje muzykę czy nawet dialogi do filmu na podstawie opisu od użytkownika. Technologię wytrenowano na filmach i ich ścieżkach dźwiękowych, tak, by AI wiedziało, jaki dźwięk „pasuje” do danego filmu.

To oczywiście wciąż dopiero początki V2A, więc trudno liczyć na to, że technologia jest już idealna. Sztuczna inteligencja wyraźnie była trenowana na bardzo dopracowanych filmach (swoją drogą Google nie chwali się, co z prawami autorskimi wykorzystanych materiałów), więc ma problemy, gdy obraz jest mniej standardowy lub zakłócony. Co więcej, Natasha Lomas z TechCrunch określiła technologię mianem „szwedzkiego stołu stereotypowych dźwięków” – wydaje się więc, że AI wciąż potrzebuje trochę treningu.

A jeśli chcecie samodzielnie uszczknąć coś z owego szwedzkiego stołu, DeepMind nie ma dla was dobrych wieści: oddział nie planuje zaprezentować swojego produktu publicznie w najbliższej przyszłości i nie jest nawet przekonany, czy kiedykolwiek będzie on dostępny dla wszystkich zainteresowanych.