Pika combina múltiples imágenes y un archivo de audio en un video editableBreve · digest del 7 de noviembre
Breve≈ 1 min

Pika combina múltiples imágenes y un archivo de audio en un video editable

El equipo de la plataforma de generación de contenido Pika Labs lanzó una actualización que amplía de forma radical el control sobre el resultado. En lugar de la habitual lotería con prompts de texto o el armado de un clip a partir de una sola imagen, los usuarios recibieron un constructor multimodal completo.

Ahora se pueden cargar simultáneamente en el sistema hasta cinco imágenes de referencia distintas y una pista de audio independiente en formato WAV sin comprimir. El transformador de difusión multimodal (DiT) alinea las representaciones visuales con el espectrograma del sonido mediante capas de atención cruzada, coordinando los cambios de ángulo de la cámara virtual con el ritmo y las entonaciones del habla.

La principal ventaja práctica de la actualización es la herramienta integrada de inpainting puntual. Si en el clip obtenido no te convence el movimiento de la mano del personaje o el color del automóvil, no hace falta regenerar todo el video: basta con seleccionar la zona problemática con el cursor y reescribir la acción sobre la marcha. La iluminación general del fondo, la perspectiva y la sincronización sonora permanecen intactas.

La síntesis de un clip de cinco segundos en alta resolución en el clúster en la nube de Pika toma entre 30 y 50 segundos. Para los creadores de publicidad, esto abre la posibilidad de montar escenas manteniendo con exactitud la apariencia del protagonista desde distintos ángulos sobre una locución actoral grabada de antemano.

Quiero un análisis detalladoLos votos ayudan a elegir qué analizar a fondo. Este material tiene 0 votos.
Fuentes · 3