Η Google λανσάρει ένα εργαλείο δημιουργίας εικόνων με τεχνητή νοημοσύνη από πραγματικές εικόνες

(CLO) Η Google μόλις κυκλοφόρησε ένα νέο εργαλείο τεχνητής νοημοσύνης (AI) που ονομάζεται "Whisk", το οποίο επιτρέπει στους χρήστες να ανεβάζουν φωτογραφίες για να ανακτούν συνδυασμένες εικόνες που δημιουργούνται από την Τεχνητή Νοημοσύνη, ακόμη και αν ο χρήστης δεν εισάγει κείμενο.

Το Whisk χρησιμοποιεί τεχνητή νοημοσύνη για να συνδυάσει το θέμα, το πλαίσιο και το στυλ μιας φωτογραφίας που έχει ανεβάσει, δημιουργώντας μια νέα και πιο μοναδική εικόνα.

Το Whisk περιγράφεται από την Google ως ένα «δημιουργικό εργαλείο» που βοηθά τους χρήστες να δημιουργούν γρήγορα νέες οπτικές ιδέες χωρίς να απαιτούνται επαγγελματικές δεξιότητες επεξεργασίας φωτογραφιών. Σύμφωνα με την Google, το εργαλείο δεν είναι ένα παραδοσιακό πρόγραμμα επεξεργασίας εικόνων, αλλά μάλλον ένα διασκεδαστικό εργαλείο τεχνητής νοημοσύνης που στοχεύει στην πυροδότηση της δημιουργικότητας και της ταχείας ανακάλυψης .

Όταν ένας χρήστης ανεβάζει μια φωτογραφία, το Whisk χρησιμοποιεί έναν συνδυασμό της υπηρεσίας τεχνητής νοημοσύνης της Google, του Gemini, και της τεχνολογίας Imagen 3 — ενός εργαλείου που δημιουργεί εικόνες από κείμενο που απέκτησε η Google από το DeepMind.

Το Gemini θα αναλύσει τη φωτογραφία και θα δημιουργήσει μια λεζάντα, και στη συνέχεια το Imagen 3 θα συνδυάσει στοιχεία αυτής της φωτογραφίας με δημιουργικό τρόπο, διατηρώντας την «ουσία» του θέματος αντί να την αντιγράψει ακριβώς.

Διεπαφή εργαλείου χτυπήματος. Στιγμιότυπο οθόνης.

Αυτό σημαίνει ότι το τελικό αποτέλεσμα ενδέχεται να μην είναι 100% ίδιο με την αρχική εικόνα. Για παράδειγμα, το ύψος, το χτένισμα ή ο τόνος του δέρματος των θεμάτων στη νέα εικόνα ενδέχεται να διαφέρουν από την αρχική. Ωστόσο, οι χρήστες μπορούν να προσαρμόσουν τις πληροφορίες εισόδου, να αλλάξουν τη σκηνή, το στυλ ή να συνδυάσουν πολλά θέματα για να δημιουργήσουν διαφορετικές εικόνες.

Το Whisk μπορεί να δημιουργήσει εικόνες όχι μόνο από κείμενο αλλά και από ακατέργαστες εικόνες, διευρύνοντας τις δημιουργικές δυνατότητες χωρίς να απαιτείται από τους χρήστες να έχουν εμπειρία επεξεργασίας φωτογραφιών. «Το Whisk έχει σχεδιαστεί για να βοηθά τους χρήστες να αναμειγνύουν θέματα, συμφραζόμενα και στυλ με δημιουργικούς τρόπους, επιτρέποντάς τους να εξερευνούν οπτικά αντί να επεξεργάζονται σχολαστικά κάθε pixel», δήλωσε ο Thomas Iljic, διευθυντής διαχείρισης προϊόντων στα Google Labs.

Ενώ το Whisk βρίσκεται στα αρχικά στάδια ανάπτυξής του, το εργαλείο έχει κυκλοφορήσει ως ιστότοπος στο Google Labs και είναι προς το παρόν διαθέσιμο σε χρήστες στις ΗΠΑ.

Ο Dan Ives, διευθύνων σύμβουλος και ανώτερος αναλυτής στην Wedbush Securities, δήλωσε ότι η Whisk σηματοδοτεί μια ακόμη «στιγμή επίδειξης ισχύος» για την Google στον τεχνολογικό αγώνα.

Ο Άιβς σημείωσε επίσης ότι το DeepMind, το εργαστήριο τεχνητής νοημοσύνης που απέκτησε η Google το 2014, αποτελεί βασικό πλεονέκτημα για να βοηθήσει την Google να διατηρήσει τη θέση της στον χώρο της τεχνητής νοημοσύνης. Τα προϊόντα τεχνητής νοημοσύνης, συμπεριλαμβανομένου του Whisk, αποτελούν βασικό μέρος της στρατηγικής ανάπτυξης προϊόντων της Google τα επόμενα χρόνια, με πολλά νέα προϊόντα να αναμένεται να κυκλοφορήσουν έως το 2025.

Το εργαλείο Whisk ανοίγει νέους δρόμους για τη χρήση της Τεχνητής Νοημοσύνης (ΤΝ) για τη δημιουργία δημιουργικών προϊόντων με ελάχιστη παρέμβαση του χρήστη. Αυτό δείχνει την πρόοδο της ΤΝ στην κατανόηση και τον δημιουργικό συνδυασμό οπτικών στοιχείων.

Το Whisk αποτελεί μέρος μιας αυξανόμενης τάσης μεταξύ των μεγάλων εταιρειών τεχνολογίας, συμπεριλαμβανομένων των Google και OpenAI, για την ανάπτυξη εργαλείων Τεχνητής Νοημοσύνης που απευθύνονται στους καταναλωτές και στοχεύουν στην παροχή νέων δημιουργικών εμπειριών, από τη δημιουργία εικόνων, κειμένου και βίντεο . Η OpenAI παρουσίασε επίσης πρόσφατα μια γεννήτρια μετατροπής κειμένου σε βίντεο που ονομάζεται Sora, η οποία ανταγωνίζεται άμεσα το Whisk.

Νγκοκ Αν (σύμφωνα με CNN, The Verge, ZDNET)

Πηγή: https://www.congluan.vn/google-ra-mat-cong-cu-tao-hinh-anh-ai-tu-hinh-anh-that-post326441.html