Phenaki vs Elai

Phenaki es un modelo de texto a video de Google Research que genera clips de dominio abierto a partir de secuencias de indicaciones, de modo que la historia puede cambiar a medida que llega nuevo texto con el tiempo. Su codificador C-ViViT comprime el metraje en tokens discretos con atención temporal causal, lo que permite al sistema manejar longitudes variables de clips en lugar de ráfagas fijas de dos segundos. Un transformador enmascarado convierte tokens de texto en tokens de video, luego el decodificador reconstruye los píxeles para demostraciones que duran más de dos minutos cuando las indicaciones están encadenadas.

Los generadores de video para consumidores suelen pedir una indicación por clip. El artículo y el sitio de demostración de Phenaki se centran en cadenas de indicaciones que varían en el tiempo, continuación condicionada por imagen a partir de un primer cuadro y entrenamiento conjunto en pares imagen-texto además de conjuntos más pequeños de video-texto para ir más allá de los conjuntos de datos limitados de video. Se pueden explorar historias de ejemplo en la página del proyecto en lugar de registrarse para un editor alojado.

Investigadores, ingenieros de ML y tecnólogos creativos estudian Phenaki para la síntesis narrativa de larga duración y el diseño de tokenizadores. El sitio phenaki.github.io aloja ejemplos interactivos de astronautas, continuaciones de imagen más indicación y muestras publicadas de historias de dos a dos minutos y medio con listas de indicaciones documentadas junto a cada clip.

Elai convierte guiones, presentaciones de PowerPoint, URLs y prompts en videos con presentadores desde un estudio en el navegador. Puedes elegir entre más de 80 avatares de IA, escribir o importar texto, y renderizar clips en Full HD con subtítulos, medios de archivo y opciones de interactividad como botones, puntos activos y rutas ramificadas. La página principal lo posiciona para equipos de aprendizaje y desarrollo que necesitan contenido de capacitación sin externalizar la producción completa de video.

Mientras muchas herramientas de avatares se limitan a una cabeza parlante sobre diapositivas, Elai incluye localización, clonación de voz en 28 idiomas, generación de video desde URL y exportación SCORM en niveles superiores. Ahora forma parte de Panopto, lo que indica distribución de aprendizaje empresarial detrás del editor. Los planes para equipos añaden salida 4K, kits de marca, voces premium y espacios incluidos para avatar selfie y clonación de voz.

Los gerentes de L&D, equipos de incorporación de RRHH, mercadólogos y líderes de habilitación de ventas son la audiencia indicada en las páginas de precios y casos de uso. Las cuentas gratuitas obtienen un minuto renderizado para probar el flujo de trabajo, mientras que las suscripciones Creator y Team ofrecen paquetes mensuales de minutos que comienzan en 15 y 50 minutos respectivamente.