Emu Video

Emu Video es un proyecto de investigación de Meta AI que genera videos cortos a partir de prompts de texto. Toma una descripción como "un hámster conduce un autorickshaw" y produce un video de 4 segundos y 512px a 16 fotogramas por segundo. El modelo está diseñado para ser sencillo: evita las cascadas de múltiples etapas utilizadas por sistemas anteriores al dividir la tarea en solo dos pasos.

El primer paso genera una sola imagen a partir del prompt de texto. El segundo paso utiliza esa imagen y el prompt original para producir un video. Este enfoque factorizado hace que el entrenamiento sea más eficiente y aun así ofrece resultados de alta calidad. En evaluaciones humanas, Emu Video superó a varios modelos existentes, incluidos Make-a-Video, Gen2 y Pika Labs, tanto en la calidad del video como en la fidelidad con la que el video coincide con el prompt. Los ejemplos generados en el sitio muestran una variedad de escenas, desde un incendio forestal en un bosque hasta dos perezosos jugando al ajedrez en cámara lenta.

Emu Video es primordialmente una demostración de investigación. Es más útil para investigadores e ingenieros de IA interesados en la generación de texto a video, así como para creadores de contenido que quieran experimentar con la generación de clips cortos a partir de texto. El sitio incluye enlaces al artículo de investigación y a la entrada del blog, pero no hay una API pública ni un producto comercial. Si tienes curiosidad por saber en qué punto se encuentra hoy la generación de video con IA, este es un ejemplo sólido del estado del arte actual.