[AI Google] 新的生成媒体模型和工具,专为创作者设计和构建

简介: 探索谷歌最新的生成媒体模型:用于高分辨率视频生成的 Veo 和用于卓越文本生成图像能力的 Imagen 3。还可以了解使用 Music AI Sandbox 创作的新演示录音。

我们推出了 Veo,我们最强大的高清晰度视频生成模型,以及 Imagen 3,我们质量最高的文本生成图像模型。我们还分享了一些使用我们的 Music AI Sandbox 创作的新演示录音。

图片显示了一名服装设计师在他们的工作室工作,图片上写着“将创意想法变为现实”。

在过去的一年里,我们在提升生成媒体技术质量方面取得了令人难以置信的进步。我们与创意社区密切合作,探索生成 AI 如何最好地支持创意过程,并确保我们的 AI 工具在每个阶段都尽可能有用。

今天,我们推出了 Veo,这是我们最新和最先进的视频生成模型,以及 Imagen 3,我们迄今为止质量最高的文本生成图像模型。

我们还分享了与电影制片人唐纳德·格洛弗及其创意工作室 Gilga 的一些近期合作,以及艺术家 Wyclef Jean、Marc Rebillet 和作曲家 Justin Tranter 使用我们的 Music AI Sandbox 创作的新演示录音。

Veo:我们最强大的视频生成模型

Veo 生成高质量的 1080p 分辨率视频,涵盖多种电影和视觉风格,视频长度可超过一分钟。通过对自然语言和视觉语义的高级理解,它生成的视频能够准确反映用户的创意愿景,精准捕捉提示的语调,并在较长的提示中渲染细节。

该模型提供了前所未有的创意控制,理解“延时”或“景观的航拍”等电影术语。Veo 创作的镜头一致且连贯,使人物、动物和物体在镜头中自然移动。

Veo 高质量视频生成能力的示例。所有视频均由 Veo 生成,未经过修改。

为了探索 Veo 如何最好地支持故事讲述者的创意过程,我们邀请了一系列电影制作人和创作者试验该模型。这些合作还帮助我们改进技术的设计、构建和部署方式,以确保创作者在技术开发中有发言权。

以下是我们与电影制片人唐纳德·格洛弗及其创意工作室 Gilga 合作的一些工作预览,他们在一个电影项目中试验了 Veo。

Veo 建立在我们多年生成视频模型工作的基础上,包括生成查询网络(GQN)、DVD-GAN、Imagen-Video、Phenaki、WALT、VideoPoet 和 Lumiere,结合架构、缩放定律和其他新技术以提高质量和输出分辨率。

通过 Veo,我们改进了模型学习视频内容、渲染高清图像、模拟物理世界等方面的技术。这些学习将推动我们 AI 研究的进步,使我们能够构建更多有用的产品,帮助人们以新的方式互动和交流。

从今天起,Veo 将通过加入我们的候补名单,在 VideoFX 的私密预览中向部分创作者开放。在未来,我们还将把 Veo 的一些功能带到 YouTube Shorts 和其他产品中。

了解更多关于 Veo 的功能。

Imagen 3:我们质量最高的文本生成图像模型

在过去的一年里,我们在提高图像生成模型和工具的质量和保真度方面取得了令人难以置信的进步。

Imagen 3 是我们质量最高的文本生成图像模型。它生成的细节令人惊叹,能够产生逼真、生动的图像,比我们之前的模型减少了很多干扰的视觉伪影。

一只灰狼的特写肖像,具有强烈的黄色眼睛。狼有厚厚的灰色和棕色毛皮外套和黑色鼻子。它直视着观众,表情平静但警觉。背景是模糊的蓝灰色天空。

提示:一只优雅站在灰色背景前的灰狼特写,高分辨率照片,细节细腻,色彩分级,超现实主义风格。

一只大水母在海洋中漂浮,长长的触手随水流动。水母有一个圆形的半透明钟形体,带有棕色条纹和一簇花边般的口臂。它周围是蓝色的水,背景中可以看到珊瑚礁。

提示:近距离拍摄在晶莹剔透的水中脉动的水母,触手拖曳,色彩斑斓的珊瑚礁背景,微距摄影,高清,细节丰富,柔和照明,专业色彩分级,浅景深,焦点清晰,用 DSLR 相机拍摄,专业摄影师风格。

一条宽阔的河流穿过一条深峡谷,峡谷被郁郁葱葱的绿色山脉环绕,天空晴朗。河流平静,倒映出周围的景色。阳光明媚,山坡上投下阴影,突出岩石的纹理。

提示:从上方俯瞰美丽的河谷,展示其绿色山脉和蓝色水域的自然美景。照片捕捉了大自然的广阔创造,风格极其自然。

三个热气球在天空中漂浮,下面是崎岖的岩石地形。热气球色彩斑斓,下面挂着篮子。阳光明媚,天空湛蓝。

提示:使用偏光滤镜拍摄的 DSLR 相机风格照片。两只热气球漂浮在土耳其卡帕多西亚独特的岩石地貌上。气球上的颜色和图案与下面的土地色调形成美丽的对比。这张照片捕捉了享受这种体验的冒险感。

一只好奇的松鼠从一只泥泞的徒步靴里探出头来,背景是模糊的山脉。

提示:一双泥泞的徒步靴,靴子上系着松松的鞋带,靴子上方探出一只松鼠的头,懒洋洋地看着镜头,像鞋中的小国王。背景是山地景观。电影场景风格,高质量 DSLR 照片。

三个年轻女人站成一圈,开心地笑着。背景是夕阳,产生了镜头光斑,给画面带来了温暖的光芒。

提示:三位女性站在一起笑,一位女性在前景中稍微有些模糊。夕阳在她们身后,产生了镜头光斑和温暖的光芒,突出了她们的头发,并在背景中形成了散景效果。摄影风格是抓拍,捕捉到朋友之间真实的连接和幸福时刻。金色小时的温暖光线为图像增添了怀旧和亲密感。

Imagen 3 更好地理解自然语言、提示背后的意图,并从较长的提示中纳入小细节。模型的高级理解能力使其能够掌握多种风格。

一位短发和胡子的黑人微笑着看着镜头。背景模糊,显示出淡色的树木和建筑。

提示:一位短发和胡子的男人微笑着看着镜头。背景模糊,显示出淡色的树木和建筑。

一个人的手持着一个小粘土鸟的雕像,另一只手用雕刻工具雕刻。手上沾满了粘土灰尘。雕刻者穿着灰色的羊毛夹克和棕色与酒红色的围巾。

提示:一个人的手持着一个小粘土鸟的雕像,另一只手用雕刻工具雕刻。你可以看到雕刻者的围巾。他们的手上沾满了粘土灰尘。一张强调纹理和工艺的宏观 DSLR 照片。

一幅女性舞者的动态动作炭笔素描。素描绘制在陈旧的羊皮纸上。

提示:抽象素描:用炭笔画的模糊的表现线条和能量,捕捉到舞者动态动作的手势素描。绘制在陈旧的羊皮纸上。

一个灰色的钩编大象玩具站在草地上的土路上。大象有白色的獠牙和指甲以及黑色的眼睛。背景是模糊的绿色和棕色的植物,远处夕阳西下。

提示:在稀树草原上行走的钩编大象玩偶,专业摄影,背景模糊。

一幅动漫风格的图像,展示了一位穿着白色连衣裙的女孩站在一个广阔湖泊的岸边,手捧鲜花,仰望满是粉色云彩的天空。天空的倒影映在水面上。周围是野花覆盖的小山丘。

提示:穿白裙的女孩站在无尽的湖边,手捧鲜花,仰望满是粉色云彩的天空。天空的倒影映在水面上,形成美丽的动漫场景。周围是覆盖着野花的小山丘,增加了美感。动漫风格背景,紫蓝色调,柔和光线,暖色,梦幻氛围和浪漫情感。

一只被苔藓覆盖的木制机器人站在野花田里,伸出手给一只栖息在它手上的小蓝鸟。背景是瀑布从悬崖上流下来。

提示:一只布满开花藤蔓的风化木制机器人平静地站在野花丛中,伸出手,一只小蓝鸟栖息在它的手上。数字漫画,温暖的颜色和柔和的线条。背景是瀑布从悬崖上流下来。

它也是我们迄今为止在渲染文本方面表现最好的模型,这对于图像生成模型来说一直是一个挑战。这项能力为生成个性化生日信息、演示文稿中的标题幻灯片等带来了可能性。

一座宏伟的石制建筑入口,上方刻有“中央图书馆”字样。入口由两根柱子框架,设有一组带玻璃窗的大木门。

提示:一张庄严图书馆入口的照片,上面刻有“中央图书馆”字样。

一只用棕色纸折成的精细折纸猫头鹰,栖息在松树枝上,闭着眼睛。它的羽毛折得很精细,表情宁静。背景是绿色的模糊树叶。

提示:一只用棕色纸折成的折纸猫头鹰栖息在一棵常青树的树枝上。猫头鹰面向前方,闭着眼睛,给人一种平静的感觉。背景是模糊的绿色树叶,营造出自然和宁静的环境。

一只毡制机器人站在阳光照射的森林空地上,肩膀上停着一只毡制猫头鹰,脚边坐着一只毡制狐狸。机器人是灰色的,有大大的圆眼睛,表情有些担忧。猫头鹰有大大的橙色眼睛和棕色的羽毛。狐狸有红色的毛皮和毛茸茸的尾巴。森林地面覆盖着绿色的苔藓和落叶。

提示:一幅毡制木偶场景的照片,展现了一个宁静的自然场景,一个隐秘的森林空地,一只大而友好的圆形机器人以平版印刷风格呈现。一只猫头鹰栖息在机器人的肩膀上,一只狐狸坐在它的脚边。柔和的色彩洗涤,五种颜色和充满光线的调色板营造出一种和平和宁静的感觉,邀请人们思考和欣赏自然美景。

一幅像素艺术插图,展示了航天飞机STS-1在蓝天中发射,留下一道烟雾和火焰的轨迹。图片底部写有“STS-1”。

提示:一幅航天飞机发射的像素艺术。背景是卡纳维拉尔角的蓝天,滚滚烟雾。“STS-1”写在其下方。

由彩色羽毛组成的“光”字,置于黑色背景上。

提示:由各种彩色羽毛组成的“光”字,黑色背景。

一个完全由粘土制成的场景,描绘了一位穿着红色上衣和褐色裙子的老年女性。她正在花园的一条笔直的小径上行走,小径两旁长满了茂盛的植物。她右手拿着一个大橙色的浇水壶,正在用它给植物浇水。

提示:黏土动画场景。一个中景拍摄的老年女性。她穿着飘逸的衣服,站在茂盛的花园中,用橙色的浇水壶给植物浇水。

从今天起,Imagen 3将在ImageFX的私人预览中向部分创作者开放,并可以通过加入我们的候补名单来使用。Imagen 3即将登陆Vertex AI。

了解更多关于Imagen 3的功能。

我们与音乐界的合作

作为我们持续探索AI在艺术和音乐创作中作用的一部分,我们与YouTube合作,与一些令人惊叹的音乐家、词曲作者和制作人合作。

这些合作还为我们生成音乐技术的发展提供了信息,包括Lyria,这是我们最先进的AI音乐生成模型。

作为这项工作的一部分,我们开发了一套名为Music AI Sandbox的音乐AI工具。这些工具旨在为创意开辟新的天地,允许人们从零开始创作新的乐器部分,以新的方式转换声音等等。

我们与音乐家、词曲作者和制作人合作,研究人工智能在音乐创作过程中的激动人心的作用。

今天,我们继续与获得格莱美奖的音乐家Wyclef Jean、获得格莱美提名的词曲作者Justin Tranter和电子音乐家Marc Rebillet一起进行音乐实验——他们正在他们的YouTube频道上发布使用我们音乐AI工具创作的新演示录音。

Wyclef Jean、Justin Tranter和Marc Rebillet是首批使用Music AI Sandbox发布新演示的艺术家,每个演示现在都可以在他们的YouTube频道上收听。

从设计到部署的责任

我们不仅仅关注技术的进步,还注重负责任地进行。为此,我们采取措施应对生成技术带来的挑战,帮助人们和组织负责任地使用AI生成的内容。

对于这些技术,我们一直与创意社区和其他外部利益相关者合作,收集见解并倾听反馈,以帮助我们以安全和负责任的方式改进和部署我们的技术。

我们一直在进行安全测试,应用过滤器,设定保护措施,并将我们的安全团队置于开发中心。我们的团队还在开发工具,例如SynthID,可以在AI生成的图像、音频、文本和视频中嵌入不可见的数字水印。从今天开始,所有由Veo在VideoFX上生成的视频都将由SynthID进行水印标记。

生成AI的创意潜力是巨大的,我们迫不及待地想看看世界各地的人们如何利用我们的新模型和工具将他们的创意想法变为现实。


相关文章
|
5天前
|
机器学习/深度学习 人工智能 自然语言处理
如何让AI更“聪明”?VLM模型的优化策略与测试方法全解析​
本文系统解析视觉语言模型(VLM)的核心机制、推理优化、评测方法与挑战。涵盖多模态对齐、KV Cache优化、性能测试及主流基准,助你全面掌握VLM技术前沿。建议点赞收藏,深入学习。
118 8
|
6天前
|
机器学习/深度学习 人工智能 自然语言处理
大语言模型:理解与构建下一代AI交互
大语言模型:理解与构建下一代AI交互
157 99
|
7天前
|
人工智能 自然语言处理 算法
现代AI工具深度解析:从GPT到多模态的技术革命与实战应用
蒋星熠Jaxonic,AI技术探索者,深耕代码生成、多模态AI与提示词工程。分享AI工具架构、实战应用与优化策略,助力开发者提升效率,共赴智能编程新纪元。
41 4
|
9天前
|
人工智能 监控 算法
AI解决方案的决策工具
企业正借助AI实现精细化“微观决策”,需在自动化与人工干预间找到平衡。本文提出HITL、HITLFE、HOTL、HOOTL四种管理模型,指导如何设计人机协同机制,确保决策高效、可控,并随业务动态演进。
|
10天前
|
机器学习/深度学习 数据采集 人工智能
PyTorch学习实战:AI从数学基础到模型优化全流程精解
本文系统讲解人工智能、机器学习与深度学习的层级关系,涵盖PyTorch环境配置、张量操作、数据预处理、神经网络基础及模型训练全流程,结合数学原理与代码实践,深入浅出地介绍激活函数、反向传播等核心概念,助力快速入门深度学习。
57 1
|
10天前
|
人工智能 监控 数据可视化
如何破解AI推理延迟难题:构建敏捷多云算力网络
本文探讨了AI企业在突破算力瓶颈后,如何构建高效、稳定的网络架构以支撑AI产品化落地。文章分析了典型AI IT架构的四个层次——流量接入层、调度决策层、推理服务层和训练算力层,并深入解析了AI架构对网络提出的三大核心挑战:跨云互联、逻辑隔离与业务识别、网络可视化与QoS控制。最终提出了一站式网络解决方案,助力AI企业实现多云调度、业务融合承载与精细化流量管理,推动AI服务高效、稳定交付。
|
10天前
|
人工智能 前端开发 Docker
从本地到云端:用 Docker Compose 与 Offload 构建可扩展 AI 智能体
在 AI 智能体开发中,开发者常面临本地调试与云端部署的矛盾。本文介绍如何通过 Docker Compose 与 Docker Offload 解决这一难题,实现从本地快速迭代到云端高效扩容的全流程。内容涵盖多服务协同、容器化配置、GPU 支持及实战案例,助你构建高效、一致的 AI 智能体开发环境。
143 0
从本地到云端:用 Docker Compose 与 Offload 构建可扩展 AI 智能体
|
10天前
|
存储 消息中间件 人工智能
【05】AI辅助编程完整的安卓二次商业实战-消息页面媒体对象(Media Object)布局实战调整-按钮样式调整实践-优雅草伊凡
【05】AI辅助编程完整的安卓二次商业实战-消息页面媒体对象(Media Object)布局实战调整-按钮样式调整实践-优雅草伊凡
41 11
【05】AI辅助编程完整的安卓二次商业实战-消息页面媒体对象(Media Object)布局实战调整-按钮样式调整实践-优雅草伊凡
|
10天前
|
存储 消息中间件 人工智能
【03】AI辅助编程完整的安卓二次商业实战-本地构建运行并且调试-二次开发改注册登陆按钮颜色以及整体资源结构熟悉-优雅草伊凡
【03】AI辅助编程完整的安卓二次商业实战-本地构建运行并且调试-二次开发改注册登陆按钮颜色以及整体资源结构熟悉-优雅草伊凡
38 3

热门文章

最新文章

推荐镜像

更多