Para peneliti di Swiss Federal Institute of Technology Lausanne (EPFL) baru-baru ini memperkenalkan alat AI open-source bernama Stable Video Infinity (SVI). Alat ini dirancang untuk mengatasi kendala utama yang selama ini membatasi durasi video yang dihasilkan oleh model AI, yakni fenomena "drift" atau pergeseran detail visual pada setiap frame video.
Drift menyebabkan gambar dan karakter dalam video yang dihasilkan AI kehilangan konsistensi secara perlahan dari frame ke frame. Akibatnya, video yang dihasilkan hanya bisa bertahan dalam waktu pendek, biasanya antara 5 sampai 20 detik, sebelum kualitasnya menurun drastis dan tampak tidak koheren.
Metode "Retraining by Error Recycling" untuk Mengatasi Drift
SVI mengadopsi pendekatan pelatihan baru yang disebut "retraining by error recycling." Alih-alih mengabaikan kesalahan atau cacat yang muncul saat proses pembuatan video, metode ini secara sengaja menggunakan kembali data cacat tersebut untuk melatih model lebih lanjut.
Menurut Profesor Alexandre Alahi, metode ini mirip dengan melatih pilot untuk menghadapi cuaca buruk. Dengan belajar dari kesalahan yang terjadi, AI menjadi lebih tahan banting dan dapat menstabilkan pemrosesan video meski ada gangguan atau kesalahan yang tidak dapat dihindari.
Keunggulan Stable Video Infinity dalam Pembuatan Video AI
Berbeda dengan model sebelumnya yang mudah "runtuh" setelah sekitar 30 detik, SVI mampu menghasilkan video yang berkualitas dan koheren dengan durasi yang jauh lebih panjang, yakni beberapa menit bahkan lebih. Peningkatan ini membuka peluang baru untuk pembuatan video generatif dengan skala waktu yang lebih nyata dan berkelanjutan.
Kode sumber SVI sebagai alat open-source telah diunggah ke platform GitHub dan menerima sambutan positif dengan lebih dari 2.000 bintang (stars). Selain itu, riset ini juga diterima untuk dipaparkan dalam konferensi International Conference on Learning Representations (ICLR), yang menandakan inovasi ini diakui secara internasional oleh komunitas riset AI.
LayerSync, Pendukung Stabilitas Internal Video, Gambar, dan Suara
Selain SVI, tim peneliti juga memperkenalkan teknologi pendukung bernama LayerSync. Metode ini memungkinkan AI melakukan koreksi internal lintas domain video, gambar, dan suara secara simultan. Dengan demikian, AI dapat menjaga konsistensi logika internal pada berbagai jenis konten generatif secara bersamaan.
LayerSync mempermudah pemeliharaan kualitas dan struktur dalam pembuatan konten multimedia kompleks, sehingga semakin membuka kemungkinan bagi pengembangan sistem otonom yang secara mandiri mampu menghasilkan media panjang dengan kualitas tinggi.
Potensi SVI dan LayerSync dalam Industri dan Riset
Pengembangan SVI dan LayerSync berpotensi merevolusi cara produksi video AI untuk beragam aplikasi. Beberapa area yang sangat mungkin diuntungkan antara lain:
- Konten hiburan – produksi video animasi yang lebih panjang tanpa kehilangan detail visual.
- Pendidikan dan pelatihan – simulasi video interaktif berkualitas tinggi yang dapat berlangsung lama.
- Sistem otonom – generasi konten video real-time yang stabil sebagai feedback dalam pengambilan keputusan AI.
- Industri kreatif – memungkinkan pembuat konten menjelajahi kreativitas tanpa batas durasi dan konsistensi visual.
Perbaikan yang dibawa oleh SVI dan pendekatan error recycling menandai kemajuan signifikan dalam teknologi pembuatan video generatif. Integrasi teknologi ini ke dalam berbagai produk dan platform AI berpotensi mengubah standar durasi serta kualitas konten multimedia yang dihasilkan secara otomatis oleh mesin.
Pengembangan alat open-source seperti Stable Video Infinity memberikan peluang besar komunitas pengembang dan peneliti untuk berinovasi dan berkolaborasi. Dengan model yang lebih stabil dan tahan cacat, generasi konten video dapat berkembang lebih jauh ke ranah yang sebelumnya sulit dicapai oleh teknologi otomasi.