Die Zukunft der Text-zu-Video-Technologie

Text-zu-Video befindet sich noch in einem frühen Entwicklungsstadium. Die von KI generierten Clips sind meist nur wenige Sekunden lang und weisen zahlreiche Bildfehler auf. Bild-KI-Modelle sind jedoch ähnlich gestartet und konnten innerhalb weniger Monate Fotorealismus erreichen. Im Vergleich zu reinen Bildmodellen ist die Videogenerierung jedoch deutlich ressourcenintensiver beim Training ebenso wie bei der Generierung. Mit Zeroscope kommt jetzt das erste hochwertigere Open-Source-Modell hinzu, das den Beginn einer qualitativ hochwertigen Open-Source-Text-zu-Video-Technologie darstellt, die noch in den Kinderschuhen steckt, aber das Potenzial hat, sich ähnlich schnell zu entwickeln wie Text-zu-Bild-Modelle.

Quellen