En medio de las controversias de la semana pasada en la IA sobre la regulación, los temores de la fatalidad del fin del mundo y la interrupción del trabajo, las nubes se han abierto brevemente. Por un breve y brillante momento, podemos disfrutar de un video generado por IA absolutamente ridículo de Will Smith comiendo espaguetis que ahora está iluminando nuestras vidas con su terrible gloria.
El lunes, un usuario de Reddit llamado “chaindrop” compartió el video generado por IA
Estamos en algún punto intermedio. El video mudo de 20 segundos consta de 10 segmentos de dos segundos generados independientemente unidos. Cada uno muestra diferentes ángulos de un Will Smith simulado (en un momento, incluso dos Will Smith) engullendo vorazmente espaguetis. Está completamente generado por computadora, gracias a la IA.
Y lo verás ahora:
Sabemos lo que está pensando: “¿No vi este tipo de tecnología avanzada de deepfake en 1987‘s El hombre corredor?” No, ese era Jesse “The Body” Ventura derrotando a un falso Arnold Schwarzenegger en un partido distópico en una jaula de un programa de juegos, ambientado en algún lugar entre 2017 y 2019. Aquí, en 2023, tenemos al falso Will Smith comiendo espagueti.
Esta hazaña es posible gracias a una nueva herramienta de IA de código abierto llamada Alcance del modelo, publicado hace unas semanas por DAMO Vision Intelligence Lab, una división de investigación de Alibaba. ModelScope es un modelo de difusión “text2video” que ha sido entrenado para crear nuevos videos a partir de indicaciones mediante el análisis de millones de imágenes y miles de videos grabados en el LAION5B
Comunidad de IA HuggingFace actualmente organiza una demostración en línea de ModelScope, aunque requiere una cuenta y deberá pagar por el tiempo de cómputo para ejecutarlo. Intentamos usarlo pero estaba sobrecargado, probablemente debido a la manía de espagueti de Smith.
De acuerdo a caer en cadena, el flujo de trabajo para crear el video fue bastante simple: proporcione a ModelScope el mensaje “Will Smith comiendo espagueti” y genere a 24 cuadros por segundo (FPS). Luego, chaindrop usó el Marcos de flujo herramienta de interpolación para aumentar el FPS de 24 a 48, luego lo redujo a la mitad de la velocidad, lo que resultó en un video más fluido.
Por supuesto, ModelScope no es el único juego en la ciudad con respecto al campo emergente de text2video. Recientemente, Runway debutó “Gen-2“, y anteriormente cubrimos los primeros proyectos de investigación de text2video de Meta y Google.
Desde que Will Smith comiendo espagueti se convirtió en un éxito viral, Internet se ha visto favorecido con seguimientos como Scarlett Johansson y Joe Biden comiendo espagueti. Incluso hay Smith comiendo albóndigas, un video que quizás sea realmente horrible. Pero sigue siendo genial de alguna manera, perfecto futuro forraje de memes.
Por supuesto, una vez que los resultados de estas herramientas de text2video se vuelvan demasiado realistas, tendremos otros problemas con los que lidiar:profundas cuestiones sociales y culturales, probable. Pero por ahora, disfrutemos de la gloria horrible e imperfecta de ModelScope. Nos disculpamos de antemano.