本報訊
Meta開發Movie Gen人工智能(AI)模型，看起來在AI影片製作上屬於一個大躍進，因為它能夠製作有聲影片，也可讓用戶利用文字輕鬆進行後製。
科技新聞網站Engadget報道，Movie Gen能以16 fps或24 fps(每秒顯示影格數)和從768 x 768 像素提升至1080p的畫質製作逼真且配樂的有聲影片。如果用戶上傳照片，它也可以生成個人化影片，更重要的是可僅用文字指令來進行後製。
值得注意的是，Movie Gen也可透過文字編輯非AI製作的正常影片，這部份很容易想像得到對於清理用戶在手機上為Instagram拍攝的內容有何幫助。不過Movie Gen僅用於研究目的，不會對外公開，因此外界有一些時間來思考這一切的意義。
繼Make-A-Scene 等媒體創作工具和利用其Llama AI 模型推出更多產品後，Meta形容Movie Gen為生成式AI研究的第三波。它採用300億參數「變換器」(transformer)模型，能以16fps生成16秒或以24fps生成10秒的短片。它也有130億參數語音模型，能以48 kHz製作含有環境聲音、音效和配樂等同步內容的45秒短片。Movie Gen團隊在其研究論文中提到，「由於我們的設計選項」，所以尚無同步語音支援。
Meta表示，Movie Gen最初透過「許可且公開的可用資料集組合」接受訓練，包括1億部影片、10億張圖像和100萬小時語音。該公司對資料來源含糊其辭—它已承認透過每位澳洲用戶的帳號數據來訓練的AI模型，但不清楚該公司使用哪些其產品以外的來源。
至於實際影片，Movie Gen乍看之下確實令人印象深刻，它的AI人類看起來很真實，沒有一般AI影片中明顯的痕跡。
儘管如此，Movie Gen團隊強調，生成式AI並非取代藝術工作者和動畫師，「我們分享這項研究的原因，是我們相信這項技術的力量協助人們以新方式表達自己，還有提供本來沒機會的人機會」。
但還不清楚一般用戶將如何使用生成式AI影片，例如會否利用AI影片取代自己拍攝的圖像？畢竟現在智能手機和電腦早有功能讓用戶輕鬆移除照片背景的物件，更複雜的AI影片後製似乎是符合邏輯的下一步。
