هوش مصنوعی Adobe امکان گشت‌وگذار در عکس‌ها و مصاحبه با شخصیت‌ها را فراهم می‌کنند

ادوبی در رویداد سالانه MAX از چند قابلیت آزمایشی مبتنی بر هوش مصنوعی رونمایی کرده که ابزار آن می‌توانند تصاویر را به محیط‌های سه‌بعدی قابل کاوش تبدیل کنند، امکان طراحی شخصیت‌های هوش مصنوعی از طریق مکالمه را فراهم آورند و فرایند ویرایش عکس‌ها را به عملیاتی شبیه کپی و جای‌گذاری تبدیل کنند.

یکی از جالب‌ترین و در عین حال عجیب‌ترین پروژه‌هایی که امسال معرفی شد، Project Screen Test نام دارد؛ این ابزار با هدف ساده‌تر کردن طراحی و استفاده از شخصیت‌های تولیدشده با هوش مصنوعی برای محتوای ویدیویی توسعه پیدا کرده است. کاربران به‌جای اینکه صرفاً با نوشتن دستورهای متنی، نحوه صحبت کردن و رفتار شخصیت را توصیف کنند، می‌توانند مستقیماً با آن صحبت کنند و در محیطی شبیه به جلسه تست بازیگری، نحوه اجرای نقش را به او آموزش دهند.

فرایند کار با توصیف ویژگی‌های اولیه شخصیت آغاز می‌شود؛ برای مثال، کاربر می‌تواند خصوصیاتی مانند مضطرب بودن، خجالتی بودن یا دست‌وپاچلفتی بودن را برای شخصیت در نظر بگیرد و سپس صدای موردنظرش را انتخاب کند. این صدا می‌تواند از میان نمونه‌های آماده انتخاب شود، با نوشتن یک دستور متنی توصیف شود یا از طریق بارگذاری یک فایل صوتی در اختیار ابزار قرار بگیرد تا از آن به‌عنوان مرجع استفاده کند.

در مرحله بعد، کاربران می‌توانند با شخصیت موردنظر خود مکالمه کنند؛ درست مانند زمانی که از طریق FaceTime با شخص دیگری صحبت می‌کنند. در این گفت‌وگو می‌توان جزئیات بیشتری درباره پیشینه داستانی، خلق‌وخو، اهداف، نقاط ضعف، ترس‌ها و حتی عادت‌های حرکتی شخصیت را مشخص کرد. پس از تکمیل این مراحل، امکان ساخت ویدیوهای آزمایشی از شخصیت وجود دارد؛ برای این کار کافی است محیط یا موقعیتی را که می‌خواهید شخصیت در آن قرار بگیرد، توصیف کنید.

البته Project Screen Test در حال حاضر بیشتر یک ابزار آزمایشی مستقل محسوب می‌شود و هنوز مشخص نیست که ادوبی چگونه یا حتی آیا قصد دارد آن را به ابزارهای فعلی تولید ویدیوی هوش مصنوعی خود اضافه کند یا خیر. با این حال، نتایج نمایش‌داده‌شده نشان می‌دهند که این روش می‌تواند شخصیت‌هایی با هویت و ویژگی‌های رفتاری مشخص‌تر و باثبات‌تر تولید کند؛ موضوعی که در بسیاری از شخصیت‌های انیمیشنی ساخته‌شده با هوش مصنوعی کمتر دیده می‌شود.

دلیل توسعه چنین ابزاری نیز به یکی از محدودیت‌های مهم تولید ویدیو با هوش مصنوعی مربوط می‌شود. این فناوری در مقایسه با انیمیشن‌سازی سنتی، کنترل خلاقانه بسیار کمتری در اختیار سازندگان قرار می‌دهد؛ در حالی که در روش‌های سنتی، تمام جزئیات مربوط به یک شخصیت با دقت و هدف مشخص طراحی می‌شوند.

تبدیل تصاویر دوبعدی به محیط‌های سه‌بعدی قابل کاوش

پروژه بعدی Project Sight Span نام دارد که با تبدیل عکس‌ها و تصاویر به یک محیط سه‌بعدی، امکان جابه‌جایی در فضای تصویر و تغییر زاویه دید را فراهم می‌کند. این ابزار می‌تواند اشیا و پس‌زمینه‌هایی را که خارج از قاب اصلی تصویر قرار دارند، تولید کند؛ به‌گونه‌ای که حتی هنگام چرخیدن و مشاهده بخش‌های پشت سر، عناصر جدید با فضای تصویر هماهنگی طبیعی داشته باشند.

البته تصاویر در محیط سه‌بعدی این پروژه در ابتدا وضوح چندان بالایی ندارند و ممکن است پیکسلی یا نامشخص به نظر برسند؛ اما پس از انتخاب زاویه دید موردنظر، کیفیت و وضوح تصویر بازیابی می‌شود.

Sight Span با هر نوع تصویر دوبعدی کار می‌کند و محدود به عکس‌های معمولی نیست. کاربران می‌توانند از عکس‌ها، نقاشی‌ها و تصاویر گرافیکی استفاده کنند و این ابزار نیز قادر است سبک هنری اثر اصلی را حفظ و بازسازی کند. حتی خالکوبی‌ها و ویژگی‌های چهره افراد در عکس‌ها، با وجود تغییر موقعیت دوربین و زاویه دید، همچنان به شکل قابل‌توجهی قابل تشخیص باقی می‌مانند و شباهت خود را به تصویر مرجع حفظ می‌کنند.

این قابلیت تا حدودی شبیه نسخه پیشرفته‌تر ویژگی Spatial Reframing اپل عمل می‌کند؛ با این تفاوت که امکان جابه‌جایی بسیار گسترده‌تر عناصر و حتی تغییر کامل نقطه‌ای را که دوربین از آن تصویر را ثبت کرده، در اختیار کاربر قرار می‌دهد. البته چنین تغییراتی باعث می‌شوند نتیجه نهایی تا حد زیادی از تعریف معمول یک عکس فاصله بگیرد.

تولید و ویرایش جلوه‌های صوتی با هوش مصنوعی

Project Sound Bender یکی دیگر از ابزارهای آزمایشی ادوبی است که قابلیت میکس صدا با هوش مصنوعی را در اختیار کاربران قرار می‌دهد. این ابزار به کاربران اجازه می‌دهد جلوه‌های صوتی را به شکلی تعاملی و با حرکت دادن نشانگر روی یک بوم مربعی، شخصی‌سازی کنند؛ روشی که تا حدودی یادآور انتخاب رنگ از طریق چرخه رنگ است.

برای استفاده از Sound Bender، ابتدا باید یک کلیپ ویدیویی بارگذاری کنید و سپس صدای موردنظر خود را با یک دستور متنی توصیف کنید.

برای مثال، می‌توانید صدای حباب‌های در حال جوشیدن در یک دیگ جادویی علمی‌تخیلی را درخواست کنید. ابزار پس از دریافت توضیحات، جلوه‌های صوتی موردنظر را تولید می‌کند و به‌صورت خودکار آن‌ها را با ویدیو هماهنگ می‌سازد. سپس یک بوم صوتی مربعی در اختیار کاربر قرار می‌گیرد تا بتواند صداها را در لحظه تغییر دهد.

هر گوشه از این بوم به‌صورت خودکار یک نوع صدای تولیدشده با هوش مصنوعی را اختصاص می‌دهد. این صداها می‌توانند شامل صدای غلیظ و متراکم حباب‌های در حال ترکیدن، غرش سنگ‌های در حال جوشیدن، صداهای الکترونیکی با زیر و بمی متفاوت و صدای ترق‌وتروق آتش الکتریکی باشند.

کاربران می‌توانند نشانگر ماوس را روی بخش‌های مختلف این بوم حرکت دهند تا میزان برجستگی و تأثیر هر صدا را تغییر دهند. همچنین امکان شخصی‌سازی هر گوشه و اختصاص جلوه‌های صوتی متفاوت به آن‌ها وجود دارد. به این ترتیب، کاربر هنگام گوش دادن به صداها می‌تواند ترکیب نهایی را به‌صورت زنده تغییر دهد و به نتیجه دلخواه برسد.

انتقال و تکرار ویرایش‌ها در تصاویر مختلف

ادوبی همچنین Project Rinse Repeat را به نمایش گذاشت؛ ابزاری که به کاربران اجازه می‌دهد ویرایش‌های انجام‌شده روی یک سوژه را کپی کنند و به‌صورت خودکار روی افراد یا اشیای دیگر در همان تصویر اعمال کنند.

برای مثال، فرض کنید با صرف زمان زیاد، جوش‌ها و لکه‌های پوستی صورت یک نفر را با ابزارهای روتوش حذف کرده‌اید. Rinse Repeat می‌تواند همان تغییرات را تشخیص دهد و متناسب با چهره افراد دیگر در یک عکس گروهی اعمال کند؛ به‌خصوص زمانی که آن‌ها نیز به اصلاحات مشابه نیاز دارند.

این قابلیت کاربردهای دیگری هم دارد؛ برای مثال، طراحان می‌توانند سایه‌ای به یک محصول در تصاویر تبلیغاتی اضافه کنند و سپس همان فرایند را برای محصولات دیگر با شکل و ابعاد متفاوت تکرار کنند. در چنین شرایطی، ابزار تغییرات را با توجه به ویژگی‌های هر سوژه تطبیق می‌دهد و لازم نیست کاربر تمام مراحل ویرایش را از ابتدا انجام دهد.

Rinse Repeat بر پایه فتوشاپ توسعه پیدا کرده و یکی از ویژگی‌های مهم آن، امکان ویرایش مجدد تغییرات اعمال‌شده است. این ابزار به‌جای اینکه صرفاً نتیجه نهایی را به شکل یک تصویر جدید تولید کند، تغییرات را با استفاده از ابزارهای بومی فتوشاپ بازسازی می‌کند. بنابراین، تمام ویرایش‌هایی که روی سوژه‌های دیگر اعمال می‌شوند، همچنان قابل تغییر و اصلاح خواهند بود.

آینده ابزارهای خلاقانه ادوبی با هوش مصنوعی

این پروژه‌های آزمایشی که ادوبی آن‌ها را Sneaks می‌نامد، پیش‌نمایشی از فناوری‌هایی هستند که ممکن است در آینده به ابزارهای Creative Cloud یا پلتفرم Firefly اضافه شوند. با این حال، هیچ تضمینی وجود ندارد که این پروژه‌ها در نهایت به قابلیت‌های رسمی و قابل استفاده برای عموم تبدیل شوند.

با وجود این، تقریباً تمام پروژه‌های معرفی‌شده بر پایه پیشرفت‌های ادوبی در زمینه هوش مصنوعی مولد ساخته شده‌اند. از آنجایی که ابزارهای هوش مصنوعی اکنون نقش مهمی در راهبرد رشد این شرکت دارند، احتمال دارد دست‌کم تعدادی از این آزمایش‌ها در آینده به محصولات رسمی تبدیل شوند.

این پروژه‌ها با وجود ظاهر عجیب و سرگرم‌کننده‌شان، می‌توانند نشانه‌ای از تغییرات آینده صنعت خلاقیت باشند. اگر چنین ابزارهایی به اندازه کافی کاربردی و قدرتمند شوند، ممکن است هوش مصنوعی به‌تدریج جایگزین برخی از ابزارها و کتابخانه‌های محتوای آماده‌ای شود که متخصصان خلاق در حال حاضر از آن‌ها استفاده می‌کنند؛ صرف‌نظر از اینکه این افراد چه دیدگاه پیچیده‌ای نسبت به فناوری هوش مصنوعی داشته باشند.

یکی از موضوعات مشترک در تمام این پروژه‌های آزمایشی، ساده‌تر و قابل‌فهم‌تر کردن فرایندهای پیچیده ویرایش عکس، فیلم‌سازی و میکس صدا است. ادوبی تلاش می‌کند این فرایندها را به تجربه‌هایی تعاملی‌تر تبدیل کند که استفاده از آن‌ها آسان‌تر باشد. برخی از این قابلیت‌ها حتی ممکن است بیشتر شبیه اسباب‌بازی‌های دیجیتال به نظر برسند، اما در عین حال امکان اعمال تغییرات کاربردی روی پروژه‌های خلاقانه را فراهم می‌کنند.

گاتام مایسور (Gautham Mysore)، دانشمند ارشد و محقق اصلی ادوبی، درباره اهداف این پروژه‌ها گفت

ساده‌تر و قابل‌فهم‌تر کردن این تعاملات به معنای فراهم کردن کنترل دقیق‌تر برای افراد باتجربه در حوزه خلاقیت نیز هست. قابلیت کاوش صوتی در Sound Bender و موقعیت‌دهی دوربین در Sight Span نمونه‌هایی هستند که نشان می‌دهند متخصصان چگونه می‌توانند از قضاوت و تخصص خود برای اصلاح مستقیم‌تر نتایج استفاده کنند. ارتباط میان قصد خلاقانه و میزان کنترلی که در اختیار کاربر قرار می‌گیرد، بخش مهمی از موضوعاتی است که در حال بررسی آن‌ها هستیم.

برای ارزیابی پایداری، امنیت و نگهداری این زیرساخت، راهنمای پشتیبانی شبکه را نیز مطالعه کنید.