Nytt AI-verktyg med öppen källkod möjliggör mycket längre och mer konsekvent videogenerering

Om du har använt videogenereringsmodeller finns det en sak som du kommer att finna konsekvent över hela linjen - de är begränsade till korta klipp, vanligtvis mellan 5 och 20 sekunder. Anledningen till denna begränsning beror på något som kallas "drift" Drift gör att scener och karaktärer förlorar sin funktion bildruta för bildruta, vilket resulterar i en osammanhängande produktion över tid.

För att lösa problemet har forskare vid EPFL:s laboratorium Visual Intelligence for Transportation (VITA) utvecklat en ny träningsmetod som kallas "omskolning genom felåtervinning" Istället för att kasta bort de fel och deformiteter som naturligt uppstår under genereringen, matar denna metod avsiktligt tillbaka dem i modellen.

Professor Alexandre Alahi jämför processen med att "träna en pilot i turbulent väder snarare än i klarblå himmel" Genom att lära sig av sina egna misstag blir AI:n tillräckligt robust för att stabilisera sig själv när fel oundvikligen uppstår, i stället för att hamna i en slumpmässig spiral.

Denna metod driver det nya SVI-systemet (Stable Video Infinity). Till skillnad från nuvarande modeller som ofta faller sönder efter 30 sekunder kan SVI generera sammanhängande, högkvalitativa videor som varar i flera minuter eller längre. Systemet gör redan avtryck i teknikvärlden; dess öppna källkod på GitHub har fått över 2 000 stjärnor och forskningen har godkänts för presentation vid 2026 International Conference on Learning Representations (ICLR).

Teamet lanserar också LayerSync, en kompletterande metod som gör det möjligt för AI att korrigera sin interna logik över video-, bild- och ljudgenerering. Tillsammans lovar dessa verktyg att skapa bättre autonoma system och frigöra potentialen för generativ media i riktigt långformat.