Ez már nem az a „mozgóképes szövegértelmezés”, amit eddig ismertünk. A Google DeepMind új modellje teljes jeleneteket rak össze – párbeszéddel, háttérzajjal, mozis kameramozgással. És ami durva: nem csak a képeket érti, hanem a sztori ívét is. (A Gemini Ultra és Flow felületeken lehet kipróbálni, sajnos egyelőre csak az USA-ban.)

Kipróbáltam a HeyGen Avatar IV-et … ez már nem tátog, hanem figyel. A legdurvább újítás? Nemcsak szájmozgást generál a hangod alapján, hanem: - kihallja, mikor tartasz szünetet vagy emelsz a hangodon - és ehhez igazítja a mimikát: szemöldök, fejbiccentés, szájhúzás, minden Elég egy fotó meg egy hangfájl, és olyan videót kapsz vissza, mintha egy húsvér ember beszélne a kamerába. Sőt.... működik kutyával, rajzfigurával, akármivel. Viszont ha valaki mélyebb karaktert, igazi digitális személyiséget akar – ez még nem az a pont. De első benyomásra nagyon erős lett. 👇 Hivatalos promó videó 👇 https://x.com/HeyGen_Official/status/1919824467821551828

🚀 Hetente jön 10–20 új AI-eszköz és frissítés, de ki ér rá mindet átnézni? Sziasztok, Benedek vagyok! Marketingesből lettem AI-tartalomkészítő, aki napi szinten kutatja és követi a generatív AI-őrületet. Baromi nehéz átlátni, mi az, amivel tényleg érdemes foglalkozni, és mi az, ami csak zaj az „AI-káoszban”. Pont ezért vagyok itt: hogy kiszűrjem a lényeget, és naponta megosszam veletek a legfontosabb AI-híreket és eszközöket. Köszi Tamásnak, hogy bevett a csapatba 🙌 Hamarosan jön is az első poszt! 👀