Még az Nvidia vezérigazgatója is megszállottja a Google NotebookLM AI eszközének
A Luma AI azt állítja, hogy a Photon képalkotója gyorsabb, mint bármely hasonló jelenleg elérhető modell.
A generatív AI képmodellek listája folyamatosan bővül.
Hétfőn a Luma mesterséges intelligenciával foglalkozó cég kiadta a Photont, az új szöveg-képmodelljét. A tervezőknek és kreatívoknak készült modell a Luma's Dream Machine videógenerátorra épül, amely lehetővé teszi a felhasználók számára, hogy rövid videoklipeket készítsenek az általuk feltöltött képekből.
A Dream Machine-hez hasonlóan a Photon is mindenki számára készült, és azoknak szól, akik "a körülöttünk lévő világot építik, a tervezőktől, filmkészítőktől, vizuális gondolkodóktól a kisvállalkozásokig és oktatókig" - magyarázza a közlemény. Ez magában foglalja a használati eseteket a divattól az építészetig mindenre.
A többképes kimenettel és éles szövegmegjelenítéssel rendelkező Photon a Luma testre szabott Universal Transformer architektúrájára épül, amely a vállalat állítása szerint "800%-kal gyorsabb és olcsóbb, mint más hasonló modellek". A hasonló generátorokhoz hasonlóan a felhasználók menet közben módosíthatják az utasításokat, és szerkeszthetik és testreszabhatják a kapott képeket.
A Luma egy Photon API-t is bejelentett, amely 2024 vége előtt megjelenhet. A méretezhető API lehetővé teszi a fejlesztők számára, hogy szöveg-kép és kép-kép tartalmat hozzanak létre.
"A Luma AI igazi varázsa abban rejlik, hogy otthonává válik minden alkotó egyedi kreatív DNS-ének - referenciáiknak, stílusuknak, történelmüknek -, miközben a Dream Machine tanul és fejlődik az egyes felhasználók kreatív útja során" - Anjney Midha, az a16z általános partnere. és a Luma AI igazgatósági tagja - áll a közleményben.
A Luma azt szeretné, ha a felhasználók úgy gondolnának a Dream Machine-re és a Photonra, mint valódi kreatív együttműködőkre, akik képesek megérteni a felhasználók egyedi környezetét és igényeit. Az egyik funkció lehetővé teszi a felhasználók számára, hogy feltöltsenek egy fotót egy személyről, és létrehozzanak belőle egy újrafelhasználható "karaktert", amelyet a Photon több egyképes forgatókönyvben is le tud ábrázolni - ez ideális eszköz ötletbörze kampányokhoz. A felhasználók feltölthetik az adott személy képmását, és a funkció aktiválásához felvehetik a „@karakter” szót.
A ZDNET demója során azonban úgy tűnt, hogy a Photonnak problémái vannak bizonyos pozíciókban lévő karakterek természetes megjelenésű kifejezéseivel, ami azonnal eszébe juttatja a mélyhamisításokkal és más lehetséges visszaélésekkel kapcsolatos aggodalmakat.
A Luma használati irányelvei tartalmaznak egy megjegyzést a tartalom moderálására vonatkozóan, amely azt jelzi, hogy a vállalat eltávolít bizonyos generált képeket.
Nevezetesen, Luma kijelenti, hogy a Photon bemeneti és kimeneti adatait nem használják fel a vállalat modelljeinek betanításához. Amikor a demó során a Luma képzési adatkészletéről kérdezték, Amit Jain vezérigazgató azt mondta, nem árulja el, hogy mit tartalmaz, és hogy az internetről lekapart vagy licencelt tartalmat tartalmaz-e.
A szerzői jogi aggályok tekintetében az irányelvek kissé homályosabbak. A vállalat arra kéri a felhasználókat, hogy "ne kérjenek és ne hozzanak létre olyan tartalmat, amely sérti a szerzői joggal védett vagy védjeggyel védett anyagokat", és "mindig tartsák tiszteletben a szellemi tulajdonjogokat".
Végül a cég egy új felületet is elindított a Dream Machine számára, amely már elérhető a weben és az iOS-en. A cég szerint természetes nyelven használható: nem kell megtanulni, hogyan legyél jobb gyors mérnök.
Az új felület könnyen használható, és más generátorokra emlékeztet, amelyek azonosítják a kulcsfontosságú leírókat a promptban, és hasonló alternatívákat tartalmazó legördülő menüt kínálnak arra az esetre, ha módosítani szeretné az ötletet, vagy különféle változatokat szeretne felfedezni. A szolgáltatás minden olyan felhasználó számára készült, aki szeretné felfedezni a tervezési koncepciót, egy termékötletet megismételni, ötletelni, és együttműködni a csapat tagjaival a Luma praktikus hangulattábla-infrastruktúráján keresztül.
A „vizuális AI-szolgáltatás” emellett személyre szabott funkciókat is kínál a képekhez és videókhoz, valamint ingyenes és fizetős előfizetési szinteket havi 10 dollártól.