Kompresja filmów do 320KB z pomocą AI – pipeline z Gemini i Wan 2.2

Wyobraź sobie, że cały film, z obrazem i dźwiękiem, mieści się w pliku mniejszym niż przeciętne zdjęcie z wakacji. Brzmi jak science fiction? A jednak ktoś właśnie zbudował narzędzie, które robi dokładnie to, i to z pomocą powszechnie dostępnych modeli AI. Drzwi do zupełnie nowej epoki kompresji wideo właśnie się uchyliły.

Pomysłodawca stworzył sprytny pipeline łączący dwa modele. Najpierw Gemini Flash-Lite analizuje film ujęcie po ujęciu i opisuje każdą scenę słowami, zamieniając obraz w tekst. Potem model Wan 2.2 czyta te opisy i... po prostu generuje wideo od nowa. Efekt końcowy waży zaledwie około 320 kilobajtów, razem z dźwiękiem. To trochę tak, jakby zamiast wysyłać komuś książkę, wysłać jej streszczenie, a on sam napisał ją ponownie. Rewolucja w przesyłaniu treści, streaming w trudnych warunkach sieciowych, archiwizacja na masową skalę: możliwości, które otwiera ta technika, są autentycznie zawrotne.

Kluczowe jest to, że cały proces opiera się na dostępnych, komercyjnych narzędziach. Żadnych tajemniczych algorytmów zamkniętych w laboratoriach gigantów. Jeden człowiek, gotowe modele i trochę kreatywności wystarczyły, by przepisać reguły gry.

Trzeźwa refleksja jest tu jednak niezbędna. Koszt przetworzenia jednego filmu to około 30 dolarów, co przy większej bibliotece treści błyskawicznie zamienia się w poważne wydatki. Co ważniejsze, wygenerowane wideo to już nie jest oryginał, to interpretacja algorytmu. Czy taki film nadal zachowuje wartość dowodową, artystyczną albo historyczną? I kto odpowiada za to, co model "zdecyduje" pokazać zamiast tego, co naprawdę się wydarzyło?

To streszczenie zostało przygotowane przy pomocy narzędzi AI na podstawie źródła. Pełną treść znajdziesz w oryginalnym artykule.