Stability AI, famosa per il suo generatore di immagini AI, ha ora introdotto Stable Video Diffusion, un modello di intelligenza artificiale che promette di trasformare il modo in cui generiamo video.
Stable Video Diffusion non è semplicemente un’altra aggiunta al mercato già saturo degli strumenti AI; Rappresenta un salto di qualità nella capacità di animare immagini fisse per produrre sequenze video realistiche e avvincenti. Ciò che lo rende ancora più notevole è la sua disponibilità sia in ambito open source che commerciale, un fatto che sottolinea l’impegno di Stability AI per l’accessibilità e l’innovazione nel campo dell’intelligenza artificiale.
Il loro modello si basa sul preesistente framework Stable Diffusion, noto per la sua efficacia nel generare immagini dal testo. L’unicità di Stable Video Diffusion risiede nella sua capacità di creare video di alta qualità a partire da immagini, e per farlo opera in due varianti: SVD (Stable Video Diffusion) e SVD-XT.
Un aspetto cruciale dello sviluppo di questi modelli è il loro processo di formazione. La diffusione video stabile è stata inizialmente addestrata su un vasto set di dati di milioni di video, seguita da una messa a punto su un set più piccolo ma significativo da centinaia di migliaia a un milione di clip. Questa metodologia di formazione garantisce non solo precisione nella generazione del video ma anche diversità nei risultati.
Ecco alcuni esempi di cosa si può fare:
Problemi in azienda
L’intelligenza artificiale per la stabilità non avrà vita facile competendo con Runaway, tra gli altri. Si trova ad affrontare una serie di sfide uniche, soprattutto nel contesto finanziario e operativo. Pur essendo una delle startup più promettenti nel campo dell’intelligenza artificiale, Stability AI ha riscontrato difficoltà legate alla gestione delle proprie risorse finanziarie. Rapporti recenti suggeriscono che la società ha dovuto affrontare elevati tassi di consumo di liquidità e problemi nel pagamento tempestivo degli stipendi e degli obblighi fiscali.
Queste sfide finanziarie sono esacerbate dalla pressione degli investitori, che cercano risultati tangibili e redditizi. Nel tentativo di garantire la sua sostenibilità a lungo termine, Stability AI ha recentemente raccolto 25 milioni di euro tramite una nota convertibile, portando il suo finanziamento totale a oltre 125 milioni di euro. Tuttavia, la società non ha ancora realizzato un nuovo ciclo di finanziamento con una valutazione più elevata, un obiettivo fondamentale data la sua attuale valutazione di 1 miliardo di euro e la sua ambizione di quadruplicare questa cifra nei prossimi mesi.
Un’altra sfida significativa è la fidelizzazione dei talenti chiave. La recente partenza di Ed Newton-Rex, vicepresidente dell’audio, evidenzia le tensioni interne legate all’uso di dati protetti da copyright nell’addestramento dei modelli di intelligenza artificiale. Questo punto evidenzia l’importanza di affrontare questioni etiche e legali nello sviluppo di tecnologie basate sull’intelligenza artificiale.
Confronto tra modelli: SVD e SVD-XT in primo piano
Ma mettiamo da parte la politica e concentriamoci sul confronto tra le due versioni di Stable Video Diffusion, SVD e SVD-XT, rivelando differenze chiave in termini di prestazioni e applicabilità. Entrambe le versioni rappresentano un progresso significativo nella generazione di video utilizzando l’intelligenza artificiale, ma ognuna offre funzionalità diverse adattate a esigenze e usi diversi.
SVD, la versione standard, è in grado di convertire le immagini in video da 576×1024 pixel a 14 fotogrammi al secondo. Questo modello è ideale per applicazioni che richiedono una conversione di base di immagini in video, pur mantenendo una qualità accettabile e prestazioni efficienti. È adatto per attività come l’animazione di immagini fisse in contesti in cui i dettagli estremi non sono fondamentali.
D’altra parte, SVD-XT alza la posta aumentando il numero di fotogrammi a 24 al secondo. Questo aumento dei fotogrammi al secondo si traduce in una riproduzione video più fluida e dettagliata, che è fondamentale per le applicazioni che richiedono una maggiore fedeltà visiva, come nella pubblicità o nell’intrattenimento. La capacità di SVD-XT di generare video di qualità superiore lo rende più adatto a scenari in cui precisione e dettaglio sono fondamentali.
È importante notare che, nonostante le loro capacità avanzate, entrambi i modelli presentano dei limiti. Ad esempio, non sono in grado di generare video privi di movimento o video con movimenti lenti della fotocamera e hanno difficoltà a generare testo leggibile o a rappresentare volti e persone in modo coerente.
Preoccupazioni tipiche del settore
Una delle maggiori sfide che Stability AI deve affrontare con il suo nuovo modello è il potenziale uso improprio, soprattutto nella creazione di deepfake. Non è una novità, è l’incubo quotidiano del settore.
La preoccupazione è che, nonostante le intenzioni originali di utilizzo per scopi educativi o creativi, la mancanza di un filtro dei contenuti integrato in Stable Video Diffusion potrebbe consentirne l’utilizzo per rappresentare falsamente persone o eventi. Questo rischio era già stato riscontrato in precedenza con Stable Diffusion, in cui gli autori malintenzionati utilizzavano il modello per creare contenuti inappropriati e dannosi.
Queste preoccupazioni etiche non solo influenzano la percezione pubblica della tecnologia, ma sollevano anche seri interrogativi sulla responsabilità degli sviluppatori di intelligenza artificiale nel prevenire usi dannosi. È fondamentale che aziende come Stability AI attuino misure solide per garantire che le loro innovazioni non vengano utilizzate in modi che potrebbero causare danni o diffondere disinformazione.