Les chiots de Sora, générés en décembre dernier
La promesse de créer automatiquement des vidéos à partir de textes (le « text-to-video ») s’incarne désormais dans plusieurs modèles d’IA lancés en 2024-2025. D’OpenAI à Google en passant par Adobe, sans oublier des start-ups spécialisées et des acteurs chinois, chacun développe sa solution de text-to-video. Ce marché émergent est encore en phase expérimentale – les outils actuels peinent par exemple à maintenir une cohérence visuelle de tous les instants dans les séquences générées – mais il attire déjà des investissements massifs. Dans la nuée de start-up, deux seulement peuvent aujourd’hui faire face aux géants. Les autres doivent lever d’urgence, ou se préparer à se vendre.
Sous le capot, se préparent de nouvelles avancées en IA générative. Le succès du nouveau modèle graphique de ChatGPT, GPT-4o Image Generation, préfigure sans doute des IA transformers génératives de vidéos. Pour l’heure, la nouvelle génération de modèles (de diffusion) tend à être entraînée directement sur de vastes bases de vidéos (plutôt que sur des images fixes seulement). Mais l’extension des transformers à l’IA visuelle pourrait avoir des conséquences profondes, jusque dans la robotique.
Source archive Kessel : https://qant.kessel.media/posts/pst_feeb7a9cd76247aea210353d44cd7ca2
