AI-modeller kan generera bilder, ljud, röster och text. Videomodeller är även på frammarsch. Google Deepmind erbjuder videomodellerna Veo och Imagen 3. I början av året tillkännagavs Sora från Open AI. Senaste i raden är Meta Movie Gen som skapar skarp video utifrån textbeskrivningar.

Movie Gen är en multimodal modell som kan generera bild, ljud och video. Utöver att skapa helt nya videor kan Movie Gen utnyttjas till att redigera befintliga klipp, eller till att förvandla ett fotografi till en video för att få bilden att vakna till liv.

Meta hävdar att Meta Gen presterar bättre än liknande modeller när resultatet utvärderas av människor. Movie Gen kan lägga omgivningsljud, ljudeffekter och bakgrundsmusik till videorna, vilka kan ha olika bildförhållanden.

Modellen kommer dock inte släppas i första taget, då den fortfarande är kostsam och långsam. Meta skriver att de tänker samarbeta med filmskapare för att samla feedback inför ett potentiellt släpp i framtiden. Exempel på videor som skapats av Movie Gen går att ta del av nedan.