ข้อความเป็นวิดีโอ

คำนิยาม

Text-to-video คือกระบวนการสร้างลำดับวิดีโอเคลื่อนไหวจากคำกระตุ้นภาษาธรรมชาติโดยใช้โมเดล AI

จุดมุ่งหมาย

วัตถุประสงค์คือการทำให้การสร้างวิดีโอเพื่อความบันเทิง การโฆษณา และการศึกษาเป็นแบบอัตโนมัติ

ความสำคัญ

• ลดต้นทุนการผลิตวิดีโอ
• ทำให้เกิดข้อกังวลด้านจริยธรรมและลิขสิทธิ์
• ระยะเริ่มต้นเมื่อเทียบกับการแปลงข้อความเป็นรูปภาพ
• ต้องใช้การประมวลผลทางคอมพิวเตอร์มาก

วิธีการทำงาน

1. ฝึกอบรมบนชุดข้อมูลวิดีโอแบบข้อความจับคู่
2. เข้ารหัสคำเตือนลงในไฟล์ฝังตัว
3. สร้างลำดับเฟรมโดยใช้การแพร่กระจายหรือ GAN
4. การเคลื่อนไหวที่ราบรื่นด้วยโมเดลความสอดคล้องตามเวลา
5. เรนเดอร์วิดีโอขั้นสุดท้าย

ตัวอย่าง (โลกแห่งความเป็นจริง)

• Runway Gen-2: สร้างวิดีโอสั้น ๆ จากคำแนะนำ
• Pika Labs: สตาร์ทอัพที่สร้างวิดีโอจากข้อความด้วย AI
• Google Imagen Video: ระบบการวิจัยเพื่อการสังเคราะห์วิดีโอความละเอียดสูง

อ้างอิง/อ่านเพิ่มเติม

• Ho et al. “Imagen Video: การสร้างข้อความเป็นวิดีโอความละเอียดสูง” Google Research
• เอกสารประกอบ Runway Gen-2
• ธุรกรรม IEEE บนมัลติมีเดีย: การวิจัยวิดีโอเชิงสร้างสรรค์