World-R1 نص إلى فيديو: اختراق ذكاء اصطناعي ثلاثي الأبعاد من مايكروسوفت

لقد أطلقت أبحاث مايكروسوفت نموذج World-R1 لتحويل النص إلى فيديو. إنه إطار عمل يدمج التعلم التعزيزي مع نماذج الانتشار. يجبرها على احترام فيزياء الـ 3D. لا مزيد من الأجسام العائمة أو الوجوه الذائبة. انظر، فيديوهات الذكاء الاصطناعي كانت ممتعة. لكنها كانت سيئة في الواقعية. الكرات لا تتحدى الجاذبية. الناس لا يخترقون الجدران. World-R1 يغير ذلك. المبدعون يحصلون على مقاطع تتحمل التدقيق. مشاهد ديناميكية؟ أخيراً واقعية مقنعة. لقد شاهدت العروض التوضيحية. كرة ترتد بشكل صحيح. الظلال تتطابق مع مصادر الضوء. لقطات متعددة الزوايا متماسكة. هذا ليس مجرد دعاية—إنه كود يمكنك الحصول عليه اليوم.

التقرير الفني يقدم أرقاماً قاطعة. World-R1 يتصدر الترتيب في ثبات الأجسام. تآلف متعدد الزوايا؟ محطم. يتفوق على النماذج الأساسية بهوامش كبيرة. Sora يحظى بالضجيج. مفهوم—إنه مصقول. لكن Sora يفشل في الفيزياء في الديناميكيات المعقدة. World-R1 لا يفعل ذلك. الاختبارات المبكرة تظهر اتساقاً زمنياً أقوى أيضاً. الشيء هو: هذه ليست معايير لعبة. إنها ما يفصل بين المقاطع الهواة والمهنية. وفقاً لـ ورقة arXiv، التحسينات تصل إلى أرقام ذات خانتين في درجات الواقعية الرئيسية. مذهل. بدون كلام فارغ.

احصل على الكود من GitHub مايكروسوفت. جرب. بنِ. هذا الإطار المفتوح يعني تكراراً أسرع لمشاريعك. مفاجأة: تحويل النص إلى فيديو متسق ثلاثي الأبعاد مثل World-R1 يعزز الحركة الواقعية في فيديوهات البالغين المولدة بالذكاء الاصطناعي أيضاً. تحقق من تحليل الخبراء حول إمكانيات Seedance 2.0 الـ NSFW—نفس المبادئ تعزز الغمر هناك. لن أكذب—إصدارات مفتوحة المصدر مثل هذه تنقل القوة إلى المبدعين. المعامل الكبرى تفقد ميزتها. رأي جريء: نسِ النماذج المغلقة. World-R1 يثبت أن الذكاء الاصطناعي ذو الأولوية الفيزيائية يفوز على المدى الطويل. جرب الآن. المنظر يميل.