मेटा म्युझ इमेज लाँच करते, म्यूज व्हिडिओचे पूर्वावलोकन करते: त्याचे नवीन AI मीडिया मॉडेल कसे कार्य करतात ते येथे आहे

एका मोठ्या नवीन विकासामध्ये, मेटाने म्युझ इमेज लाँच केली आहे आणि म्युझ व्हिडिओचे पूर्वावलोकन केले आहे, जे त्याच्या मेटा सुपरइंटिलिजन्स लॅबद्वारे विकसित केलेले पहिले मीडिया जनरेशन मॉडेल चिन्हांकित करते.

म्युझ इमेजचे वर्णन मेटाचे सर्वात प्रगत प्रतिमा निर्मिती मॉडेल म्हणून केले जाते. हे सूचनांचे अचूक पालन करण्यासाठी, अचूकतेने प्रतिमा संपादित करण्यासाठी, एकाधिक संदर्भ प्रतिमा वापरून व्हिज्युअल तयार करण्यासाठी आणि सामाजिक संदर्भासाठी Instagram वर काढण्यासाठी डिझाइन केले आहे. त्याच प्रीट्रेनिंग फाउंडेशनवर तयार केलेला म्युझ व्हिडिओ, मूळ ऑडिओ सपोर्टसह उच्च व्हिज्युअल फिडेलिटीचे वचन देतो.

म्युझ इमेज कशी कार्य करते?

पारंपारिक प्रतिमा जनरेटरच्या विपरीत जे थेट प्रतिमांना सूचित करतात, म्यूज इमेज एआय एजंट म्हणून कार्य करते. हे अचूकता सुधारण्यासाठी शोध आणि कोडींग साधने मागवते, स्वतःच्या पिढ्या स्वयं-परिष्कृत करते आणि अनुमानाच्या वेळी अधिक गणना वापरून त्याचे कार्यप्रदर्शन मोजते.

कोडिंगच्या आघाडीवर, अचूक प्लॉट आणि QR कोड तयार करण्यासाठी रीइन्फोर्समेंट लर्निंग दरम्यान मॉडेल कोड लिहायला आणि कार्यान्वित करायला शिकतो. त्याच्या व्युत्पन्न केलेल्या प्रतिमांची अचूकता सुधारण्यासाठी ते प्रस्तुत केलेल्या आकृत्यांवर देखील अटी घालते.

म्युझ इमेज म्युझ स्पार्कसह देखील समाकलित होते, दोन मॉडेल्सना कोड आणि मीडिया जनरेशन एकत्र करून ॲनिमेटेड GIF, एम्बेडेड प्रतिमा असलेल्या वेबसाइट्स आणि परस्पर व्हिज्युअल गेम तयार करण्यास अनुमती देते.

वास्तविक अचूकतेसाठी, म्युझ इमेज रिअल-टाइम माहिती आणि व्हिज्युअल संदर्भ वापरून व्युत्पन्न केलेल्या प्रतिमा ग्राउंड करण्यासाठी वेबवर शोधू शकते. मेटा म्हणते की हे ज्ञान-केंद्रित प्रॉम्प्ट्सवरील कार्यप्रदर्शनात लक्षणीय सुधारणा करते, विशेषत: वर्तमान घटना आणि वास्तविक-जगातील तथ्ये यांचा समावेश असलेल्या.

मॉडेलमध्ये उदयोन्मुख स्वयं-शुद्धीकरण क्षमता देखील आहे. एक लहान तपशील चुकीचा असल्यास, ते स्थानिक संपादन करू शकते. जर मोठ्या भागांना दुरुस्तीची आवश्यकता असेल, तर ते स्क्रॅचमधून प्रतिमा पुन्हा निर्माण करू शकते किंवा अधिक अचूक आउटपुटसाठी बाह्य साधनांचा वापर करू शकते. मेटाच्या मते, हे वर्तन स्पष्टपणे प्रोग्राम केलेले नव्हते परंतु सुदृढीकरण शिक्षणादरम्यान नैसर्गिकरित्या उदयास आले कारण ते सातत्याने चांगले परिणाम देते.

मोठ्या लँग्वेज मॉडेलप्रमाणे, म्युझ इमेज सुधारते कारण अनुमानादरम्यान अधिक गणना केली जाते. फक्त एकापेक्षा जास्त प्रतिमा व्युत्पन्न करण्याऐवजी आणि सर्वोत्तम एक निवडण्याऐवजी-Best-of-N म्हणून ओळखले जाणारे तंत्र-मॉडेल तर्क, साधन वापर आणि पुनरावृत्ती सुधारण्यासाठी अतिरिक्त गणना खर्च करते. मेटा म्हणते की हा दृष्टीकोन गणनेत वाढ होत असतानाही प्रतिमा गुणवत्तेमध्ये सुधारणा करत राहते, तर बेस्ट-ऑफ-एन त्वरीत कमी होत जाणारे उत्पन्न मिळवते.

उपलब्धता

म्युझ इमेज आता Meta AI ॲपद्वारे, meta.ai वर, US मधील Instagram Stories वर आणि निवडक देशांमध्ये WhatsApp वर उपलब्ध आहे. Facebook साठी समर्थन लवकरच रोल आउट होण्याची अपेक्षा आहे.

म्युझ व्हिडिओ, दरम्यान, सध्या पूर्वावलोकनात आहे आणि नंतरच्या तारखेला निर्माते आणि मेटा एआय यांना रिलीज केले जाईल.

Meta ने Muse Image साठी कोणतेही सबस्क्रिप्शन फी जाहीर केलेले नाही. हे मॉडेल Meta AI द्वारे आणले जात आहे, जे सामान्यतः वापरण्यासाठी विनामूल्य आहे, जरी कंपनीने वापर मर्यादा किंवा प्रीमियम स्तर लागू होतील की नाही हे उघड केले नाही.

म्युज इमेज आणि म्युज व्हिडिओ: प्रमुख वैशिष्ट्ये

म्युझ इमेज मल्टी-रेफरन्स इमेज कंपोझिशनला सपोर्ट करते, ज्यामुळे वापरकर्त्यांना एकाच पिढीमध्ये अनेक संदर्भ इमेजमधून लोक, वस्तू, कपडे, शैली आणि वातावरण एकत्र करता येतात. हे अधिक जटिल रचनांसाठी प्रॉम्प्ट्समध्ये मजकूर आणि प्रतिमा इंटरलीव्ह करण्यास देखील समर्थन देते आणि पुनरावृत्ती प्रतिमा शुद्धीकरण सक्षम करून एकाधिक संपादन वळणांमध्ये सुसंगतता राखते.

मेटा म्हणते की ऑडिओ-व्हिडिओ सिंक्रोनाइझेशन आणि शारीरिकदृष्ट्या अचूक फास्ट-मोशन रेंडरिंगसह परफॉर्मन्स अजूनही कमी असलेल्या भागात म्युझ व्हिडिओ सुधारणे सुरू आहे.

AI-व्युत्पन्न सामग्रीभोवती पारदर्शकता सुधारण्यासाठी, म्युझ इमेज कंटेंट सील, एक अदृश्य वॉटरमार्किंग प्रणाली सादर करते. Meta AI ॲपमध्ये आणि meta.ai वर म्युझ इमेज वापरून तयार केलेल्या प्रतिमांमध्ये एक छुपा प्रोव्हेन्स सिग्नल समाविष्ट आहे जो मेटा म्हणतो की क्रॉपिंग, कॉम्प्रेशन, आकार बदलणे आणि अगदी स्क्रीनशॉट देखील टिकून राहते.

कंपनीने कंटेंट सीलचा व्हिडिओंवर विस्तार करण्याची योजना आखली आहे आणि एका डिटेक्शन टूलचे पूर्वावलोकन देखील करत आहे जे वापरकर्त्यांना प्रतिमेमध्ये सामग्री सील वॉटरमार्क आहे की नाही हे तपासण्याची परवानगी देते.