Google vừa phát hiện ra một khả năng mạnh mẽ mới nổi trong Veo 3 - chú thích trực quan cho các hướng dẫn của bạn trên khung bắt đầu, và Veo sẽ tự động làm điều đó cho bạn! Thay vì lặp đi lặp lại mãi để tìm ra lời nhắc hoàn hảo, định nghĩa các mối quan hệ không gian phức tạp bằng lời, bạn chỉ cần vẽ ra như bạn làm với một nghệ sĩ con người. Khả năng này đang khao khát một trải nghiệm người dùng đúng nghĩa, nhưng hiện tại hãy cứ vẽ nguệch ngoạc trong ứng dụng bạn chọn, và sử dụng "khung để video" trong Google Flow.

Bây giờ với giá của một trạm làm việc hợp lý (5900 đô la), bạn cũng có thể sở hữu một robot hình người — hoàn chỉnh với khả năng giọng nói AI và nhận thức.

Nâng cao sáng tạo cho chiến thắng! Biến ảnh chụp không gian từ độ cao lớn thành hình ảnh drone từ độ cao thấp. Một cách thật tuyệt để định hình những bức ảnh bạn muốn trong Google Earth và sử dụng FLUX Kontext LoRA để đưa nó đến tận cùng.

Chẳng bao lâu nữa, iPhone của bạn sẽ sử dụng FaceID để đảm bảo rằng chính bạn đang sử dụng thiết bị trong khi cuộn, tương tác và đăng bài. Apple có vị trí độc đáo để thực hiện tất cả điều này trên thiết bị một cách bảo vệ quyền riêng tư. Các tính năng "nhận thức sự chú ý" đã là một bước đi trong hướng này — iPhone của bạn chụp một bức ảnh hồng ngoại độ phân giải thấp mỗi vài giây để kiểm tra ánh mắt của bạn xem bạn có đang chú ý vào màn hình hay không. Bước tiếp theo sẽ là cho phép một ứng dụng biết rằng chính bạn đang sử dụng, hoặc đơn giản là một con người thực sự đang sử dụng thiết bị, chứ không phải là một bot.

Đôi khi bạn có những khoảnh khắc trên sân khấu mà bạn sẽ không bao giờ quên.

Kết hợp sự kiểm soát rõ ràng của phần mềm 3D với sự sáng tạo của các mô hình AI sinh tạo là một quy trình đầy hứa hẹn nhưng chưa được đánh giá cao. Xây dựng các cảnh 3D của bạn một cách quy trình bằng cách mô tả chúng bằng ngôn ngữ tự nhiên, sau đó đưa chúng đi xa hơn với các mô hình hình ảnh & video mà bạn chọn. Các công cụ như intangible được xây dựng xung quanh quy trình như vậy để bạn không cần phải ghép nối các ứng dụng lại với nhau. Thật tuyệt vời!

SpatialTrackerV2: mô hình theo dõi điểm 3D thống nhất, đầu cuối, ước lượng đồng thời Chuyển động Camera, Hình học nhất quán và Đường đi 3D theo pixel.

SceneScript coi việc tái tạo 3D là một vấn đề ngôn ngữ hơn là một vấn đề hình học. Mô hình xem một video của một căn phòng và chỉ học cách viết một kịch bản cho nó. Nó tự động phát ra các lệnh văn bản như make_wall(...) hoặc make_bbox(...) để định nghĩa cảnh. Bài báo "Ngôn ngữ Cảnh" mới của Stanford đi xa hơn một bước bằng cách thêm các nhúng CLIP để nắm bắt cả vẻ ngoài hình ảnh. Thực tế là các mô hình ngôn ngữ đã hiểu các mối quan hệ không gian đủ tốt để viết ra các đồ thị cảnh là điều khá điên rồ.

Chúng ta chỉ cần tạo ra các thành phố bằng cách sử dụng phần mềm 3D mã nguồn mở và các plugin giá rẻ.

Google Earth thực sự là một cỗ máy thời gian cho toàn bộ hành tinh.