Słownik AI / Text-to-video
🎨 Obraz, wideo i dźwięk
Text-to-video
Generowanie klipów wideo z opisu tekstowego lub obrazu.
Text-to-video to generowanie ruchomych ujęć z opisu tekstowego, a coraz częściej także z pojedynczego obrazu (image-to-video), który model ożywia. Współczesne systemy tworzą kilkusekundowe do kilkunastosekundowych klipy z wiarygodną fizyką ruchu, a najlepsze generują też zsynchronizowany dźwięk.
Największe wyzwania to spójność postaci między ujęciami, dłuższe sekwencje i precyzyjna kontrola reżyserska. W praktyce twórcy traktują te narzędzia jak fabrykę pojedynczych ujęć do montażu, a nie maszynę do gotowych filmów.
Pojęcia powiązane