Spójność. Jest to coś, w czym sieci neuronowe generujące wideo cały czas popełniają błędy. Wpisujesz monit. Kliknij „rozpocznij”. Powtórz to dziesięć razy. Otrzymujesz dziesięć różnych klipów. Być może postać wygląda akceptowalnie. A może styl… „wypadł”. Dla filmowców i studiów nie jest to zabawny efekt losowy. To jest katastrofa. Nie da się zbudować marki, jeśli Twoja identyfikacja wizualna zmienia się z każdym nowym renderem.
„Opublikowanie tego frameworka było dla nas bardzo ważne, aby społeczność mogła dostosować swoje własne modele”.
— Yaron Inger, współzałożyciel LTX
Trener LTX pojawia się na scenie. Nowy framework, który pozwala nauczyć sztuczną inteligencję kopiowania twojego stylu. Nie jakiś abstrakcyjny styl. Dokładnie twoje. I konkretnie.
Zamiast używać standardowego modelu „pudełkowego”, który tworzy przeciętną sztukę, tworzysz coś niestandardowego. Zdaniem twórców LTX nie wymaga to obszernej wiedzy programistycznej – dzięki najnowszym aktualizacjom na GitHubie. Nie jest wymagany stopień doktora informatyki. Potrzebujemy tylko Twoich danych. Strach o to, dokąd trafią te dane, jest znacznie mniejszy.
Pomyśl o usługach w chmurze. Przesyłasz zastrzeżone projekty na serwery stron trzecich? Większość studiów świadomych własności intelektualnej nienawidzi tego pomysłu. LTX umożliwia uruchamianie narzędzi lokalnie. Przechowuj dane na swoim sprzęcie. Jest otwarte, jest twoje i pozostanie twoje.
Czy wideo AI umarło? Nie. Opinia publiczna jest zmęczona informacyjnymi śmieciami i dziękuj Bogu, że ta era już przemija. Ale dla profesjonalistów? Branża pracuje pełną parą. Studia potrzebują szybkości. Twórcy treści potrzebują narzędzi. Niestandardowe modele rozwiązują oba problemy bez przekształcania się w wygenerowane bez twarzy klipy, które wyglądają jak milion innych.
Konflikt pozostaje. Artyści mają rację, że są źli. Jeśli sztuczna inteligencja zostanie przeszkolona w zakresie kradzionej pracy, cały system się załamie. LTX i inni gracze, tacy jak Adobe, twierdzą, że nie uczą się na treściach generowanych przez użytkowników. Obiecują izolować dane klientów. Wierzyć im lub nie, to osobna rozmowa.
Co nowego dzisiaj? Audio. Trainer obsługuje teraz szkolenia wyłącznie audio. Możesz także łączyć modalności – zamieniać plik audio w wideo lub korzystać z podpowiedzi konwersji obrazu na wideo. Chcesz większej kontroli? Użyj adapterów LoRA lub IC-LoRA. Są uzupełnieniem modelu podstawowego i podkreślają estetykę wszystkich pokoleń.
Brzmi skomplikowanie? Nie jesteś sam w swoim zamieszaniu. Ale LTX dodało asystenta agenta. Po prostu napisz, co chcesz, prostym angielskim. Żadnych błędów składniowych. Żadnych ukrytych plików konfiguracyjnych. Możesz także wprowadzić reguły edycji bezpośrednio do procesu. Czy chcesz, aby każdy wygenerowany film był automatycznie usuwany lub zwiększany? Ustaw warunek. Pozwól modelowi wykonać ciężką pracę.
Barierą były kiedyś koszty. Nawet giganci tacy jak Google i Meta kosztują miliony dolarów na tworzenie modeli. Ale nie teraz. Dzięki LTX technologia ta stała się dostępna dla twórców treści codziennego użytku.
Wszystko to napędzane jest przez LTX-2, wprowadzony na rynek na początku tego roku we współpracy z Nvidią. Główny sekret tutaj: uruchom na urządzeniu. Generowanie wideo zużywa moc obliczeniową jak szalone. Chatboty tylko „odbierają”, a modele wideo „połykają”. Większość firm zmusza Cię do korzystania z ich ogromnych centrów danych. LTX chce, żebyś uruchomił to we własnym pokoju.
To jest model z otwartą wagą. Można zajrzeć „pod maskę”. Nie jest to rozwiązanie całkowicie typu open source — dane szkoleniowe pozostają ukryte, co eksperci uważają za technicznie niekompletne oprogramowanie typu open source — ale można zobaczyć, jak to działa.
Dlaczego to wszystko jest potrzebne? Kontrola. Yaron Inger wyraził się bardzo jasno: celem jest ochrona własności intelektualnej przy jednoczesnym utrzymaniu szybkości sztucznej inteligencji. Generujesz szybko. Dokładnie to stylizujesz. Zatrzymasz klucze.
Przyszłość nie będzie „jedna miara dla wszystkich”. To będzie indywidualne. Czy doprowadzi to do renesansu lokalnych twórców treści, czy po prostu stworzy więcej sposobów na gromadzenie aktywów… zobaczymy. Narzędzie jest już dostępne.
