24 órán át működött a teljesen AI-generált hírcsatorna

A folytonosságot tették próbára

A Captions augusztus 17-én számolt be a kísérletről, amelynek célja annak vizsgálata volt, hogy az AI-generált videó, különösen az avatárok, képes-e hosszabb időn keresztül következetesen működni. A vállalat szerint egy meggyőző emberi karakter tíz másodpercre történő létrehozása viszonylag egyszerű, ugyanennek a személynek a hiteles megjelenítése húsz perccel később már jóval nehezebb.

A Mirage Avatar X egyik kiemelt képessége a személyazonosság megőrzése. A Captions ezért nem a legjobb rövid klipeket válogatta össze, hanem olyan helyzetet teremtett, amelyben 24 órán át lehetett figyelni a karakterek állandóságát. A cég szerint a hosszabb generálás során az arcok elcsúszhatnak, a pózok visszaállhatnak, a szemek pedig fokozatosan eltérhetnek a referenciától.

A 24 órás időtartamnak technikai oka is volt: a Captions szerint ennyi ideig futhat egyetlen adás az X-en. A kísérlet nagyjából 50 000 dollárnyi tokenbe került, és a Claude szervezte a teljes folyamatot.

Így készült a Mirage News Network

A műsorhoz négy műsorvezetői személyiséget hoztak létre az Avatar X segítségével. A vendégek ugyanezt a modellt használták, a hangokat pedig a Mirage hangtechnológiája generálta. A hírszalagokat, adatpaneleket, idézetkártyákat és más grafikai elemeket a vállalat saját renderelőmotorja illesztette a műsorba.

A 24 óra alatt több mint 100 eredeti szegmens került adásba. A hírek tartalmát nem a Captions készítette: egy globális hírügynökségtől licencelték a felvételeket és a tudósításokat, a tényeket pedig valódi, dolgozó újságírók biztosították. A Mirage ezekre építette a bemutatási réteget. A szövegeket úgy állították össze, hogy minden mondat egy képlistához kapcsolódjon, így a narráció és a képernyőn látható tartalom összhangban maradjon.

Adásba kerülés előtt automatizált ellenőrzés vizsgálta a kimerevedett képkockákat, a hang és a kép szinkronját, a beszédvégi időzítést, valamint az eszközök felhasználási jogait. A képernyőn megjelenő órát csak az adás továbbításakor illesztették be, ezért az ténylegesen a nézés időpontját mutatta. A műsor technikai hátterét az ffmpeg és az RTMP, valamint láncba rendezett lejátszási listák adták. Az új műsorblokkokat az adás újraindítása nélkül is hozzá lehetett adni.

Hibák, korlátozások és közönségreakció

Két tényszerű hiba jutott el a nézőkhöz. Az egyik szegmensben egy tüntetésen látható nőt tévesen az Egyesült Államok elnökeként feliratoztak, egy másikban pedig egy nyugalmazott pásztorból lett csillagászhoz más személy nevét rendelték. A Captions mindkét hibát egy órán belül nyilvánosan javította az X-en.

A leggyakrabban felmerülő technikai kritika ugyanakkor a hangra vonatkozott. A vállalat szerint egyes esetekben túl egyenletes volt a beszédritmus, a mondatok azonos hangsúllyal zárultak, a szünetek pedig inkább ritmust követtek, mint a jelentést. A Captions úgy látja, hogy miközben az arcok terén hónapok alatt sokat javítottak, a hosszú formátumú hanggenerálásban még jól érzékelhető a lemaradás.

A közvetítést több mint 50 000 ember nézte élőben, a livestream pedig több mint 3 millió megjelenést ért el, és a nap folyamán felkapott témává vált az X-en. Az átlagos nézési idő azonban körülbelül egy perc volt. A Captions értékelése szerint az újdonság elég volt ahhoz, hogy megállítsa a görgetést, a történetmesélés viszont még nem tudta hosszabb ideig fenntartani a figyelmet. A kísérlet így azt mutatta meg, hogy a videó létrehozása és a közönség figyelmének megtartása külön problémát jelent.