Phenaki vs Fliki

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.

Fliki convierte texto en videos listos para publicar con locuciones generadas por IA, imágenes de archivo o generadas, música y subtítulos. Pegas un guion, una entrada de blog o un prompt de una línea, y el editor crea la narración, selecciona los medios y exporta un clip terminado con personajes consistentes en minutos.

En comparación con herramientas separadas de voz y video, Fliki integra texto a video, texto a voz, planificación de series y un gemelo digital que clona tu rostro y voz para clips estilo presentador. La plataforma ofrece más de 2,000 voces en más de 80 idiomas, además de flujos de trabajo para idea a video, PPT a video y traducción.

Fliki reporta 100 millones de videos creados y 12 millones de usuarios. El plan gratuito incluye 3 créditos mensuales y exportaciones en 720p con marca de agua, mientras que los planes Standard y Premium añaden salida en 1080p, duraciones más largas de hasta 40 minutos, clonación de voz y acceso a API en el nivel superior.