Google’ın yapay zeka şubesi olan Google DeepMind, yapay zeka ile oluşturulan videolara ses veren yeni bir araç geliştirdiğini açıkladı.
DeepMind’ın yapay zeka araştırma laboratuvarı, V2A (“video to audio” yani “videodan ses” anlamına gelen) adlı, yapay zeka tarafından oluşturulan videolara seslendirme yapan yeni bir aracı tanıttı. DeepMind’a göre V2A, sesleri üretirken hem metin açıklamalarından hem de videoyu detaylı bir şekilde piksel piksel inceleyerek faydalanıyor. Bu özellik sayesinde, açıklama yazmadan dahi ses üretimi yapabiliyor.
Yapay zeka tabanlı video seslendirme araçlarının önemi gün geçtikçe artıyor. Bugün piyasada birçok yapay zeka aracı metinden ya da görselden video oluşturabiliyor ancak bu videolar genellikle sessiz kalıyor. Oysa video deneyimi hem görsel hem de işitsel unsurları içerir. Örneğin, hızla hareket eden bir trenin videosunu izlerken, trenin raylar üzerindeki gürültüsünü, vagonların çıkardığı sesleri ve lokomotifin uğultusunu duymazsak, video tam anlamıyla etkisini yitiriyor.
DeepMind, V2A’nın görüntülerle uyumlu sesler üretebilme ve bu sesleri otomatik olarak görüntülerle senkronize edebilme konusunda benzersiz olduğunu iddia ediyor. Ancak sunulan örnekler henüz tam olarak ikna edici değil. V2A, görüntülere uygun sesler üretse de, bu seslerin daha çok hazır stok sesler gibi dublaj yapılmış hissi verdiği görülüyor.
V2A’nın videolar için seslendirme yapma konusunda hala nasıl bir gelişim sürecinde olduğu görülüyor. Ancak unutmamalıyız ki Dall-E de zamanında “kanarya çiz” denildiğinde sadece tüylü bir sarı top çiziyordu. Ücretsiz sunulan araçlardan tanıttığımız OpenAI Sora’ya Ücretsiz Alternatif Dream Machine Duyuruldu yazımıza göz atabilirsiniz.
Bir yanıt yazın