W.A.I.
Posts
W.A.I. #50

W.A.I. #50

Midjourney v6 llega con polémica, crea canciones con IA y ¡Feliz Navidad!

David Garrido
December 24, 2023

Bienvenida/o a otra edición de WAI, la número 50 y la última del año.

Confiaremos en que no haya mucho movimiento en estos días y que los humanos detrás de las máquinas descansen también.

Antes de despedirme me gustaría mirar atrás y hacer una breve reflexión sobre este año de publicaciones, de noticias y de mucho cacharrear con la IA.

Este proyecto surgió sin mayor pretensión que la de ordenar mi síndrome de Diógenes digital y se ha convertido, con sus subidas y bajadas, en una de las alegrías de 2023.

Gracias a ella he conocido a gente maravillosa, con la que de otra forma no habría podido contactar ni en broma, y sólo por eso bien ha merecido la pena “pringar” 50 sábados hasta las tantas de la madrugada.

Cierro el grifo de la “moñadas” y te dejo con todo lo que ha pasado en estos últimos 7 días en el mundo de la IA, que para eso has venido aquí.

Empezamos.

🗻 TOP 10 - Si solo tienes 2 minutos, esta es tu sección.

▶️ Midjourney v6 ya está aquí y el salto de calidad es indiscutible. La parte negativa es que viene con polémica bajo el brazo, puesto que está recreando imágenes de películas y cuadros prácticamente idénticos a los originales.

▶️ ¿Puede la inteligencia artificial predecir la fecha de fallecimiento de una persona?

▶️ LAION retira sus datasets tras un revelador informe de Stanford que detectó material de abusos infantiles entre sus datos. Noticias de esas que ojalá no se diesen, pero hay que contar lo bueno y lo malo. Hay que recordar que la mayoría de modelos de difusión están entrenados con estos datasets.

▶️ Parece que Apple se está poniendo las pilas y acelera para la posible incorporación de modelos de lenguaje funcionando en local de los propios iPhone.

▶️ LA IA logra detectar precozmente el autismo en niños mediante análisis de retina.

▶️ Google AI lanza VideoPoet, una herramienta de generación de vídeos súper potente.

▶️ LeonardoAI suma la capacidad de animar imágenes a sus ya de por sí muchas herramientas.

▶️ Tencent anuncia AppAgent, un nuevo marco para agentes multimodales capaces de utilizar a la perfección aplicaciones móvil. El vídeo muestra su funcionamiento y es muy interesante.

▶️ El modelo Mistral-Medium ya está disponible en Poe.

▶️ Dreamtuner es un nuevo método para entrenar modelos de difusión que únicamente necesita una imagen para lograr resultados casi perfectos.

🐔 Tuit de la semana

▶️ ¿Un nuevo vacile de Sam Altman?

🏆️ Imagen de la semana

▶️ Las nuevas herramientas disponibles en IA generativa hacen que lleguen nuevos niveles de calidad por parte de los creadores. Este tráiler es un buen ejemplo de ello, 43 segundos sólo, te animo a verlo.

🛠️ La Cacharrería (si eres de probar las cosas, estás en el lugar adecuado)

▶️ Si sólo puedes probar una cosa esta semana, que sea Suno, el generador de canciones, prometo que no te defraudará.

▶️ ¿Taylor Swift cantando 'Someone Like You' de Adele? Efectivamente, con esta demo de singing conversion model se pueden hacer este tipo de cosas.

▶️ Espacio creado por Filoni para ponerle la cara que quieras a una generación de Stable Diffusion usando deepfakeAI.

▶️ Freelnit con AnimateDiff ahora disponible en Colab. Traducción: Colab para animación mejorada de imágenes juntando las dos técnicas mencionadas.

▶️ Prueba este modelo que es capaz de generar una música a partir de cualquier imagen que le subas.

▶️ Demo para transferir estilo a tus generaciones partiendo de una imagen y además pudiendo usar ControlNet con Depth maps para añadir más control.

▶️ En Poe han habilitado y se puede probar gratis el modelo chino Qwen-72b, que tiene un rendimiento excelente superando a modelos similares como LLaMA 2.

▶️ Fofr ha implementado RealVisXL v3 en Replicate, uno de los modelos más realistas para generación de imágenes.

🖼️ Imágenes

▶️ Esto es lo que se ve cuando generas 100 imágenes de gatos por segundo. Esto es posible gracias a StreamDiffusion, que ya tiene además el código disponible.

▶️ Repositorio con Colabs para entrenar modelos de imagen con Kohya Trainer.

▶️ Google presenta DMD, un nuevo modelo para calcular la profundidad (Deph pass) absoluta en imágenes.

▶️ SC-Tuner es un módulo que permite ControlNet con mayor fidelidad, menor tiempo de entrenamiento y menos consumo de GPU.

▶️ Ranni es un nuevo modelo que genera imágenes y es capaz de modificarlas con instrucciones de texto.

▶️ Adobe Research revela VecFusion: modelo capaz de generar automáticamente fuentes completas partiendo de sólo unos pocos caracteres.

▶️ DiffusionLight es capaz de crear mapas HDR con IA, con los que luego poder iluminar escenas 3D.

▶️ Xavi Vinaixa mostró esta semana un par de demos muy interesantes. La primera generando por voz imágenes 360º para luego proyectar en una pantalla grande y la segunda haciendo inpaint de imágenes por voz usando SAM.

▶️ EverArt, lanza Drop Me In, app que permite subirle 3 imágenes para que genere 40 nuevas con el mismo estilo.

▶️ PhotoMaker permite generar retratos realistas de fotografías o cuadros viejos, además de cambiar sus atributos o mezclar sus indentidades.

✏️ Texto

▶️ Colab expande el acceso gratuito a sus herramientas de IA a todos los usuarios.

▶️ Apple presenta discretamente un nuevo modelo de IA multimodal: el Modelo Ferret

▶️ Microsoft Copilot incorpora Suno como complemento, para poder generar canciones en el chat directamente.

▶️ Anthropic expande su protección legal a los usuarios que utilicen sus modelos vía API.

▶️ Poca sorpresa en esta clasificación de los modelos de chat más usados, al menos en la primera plaza. Las demás si son más difíciles de adivinar.

▶️ Replit anuncia una mejor integración con Google Bard para exportar código en más de 15 lenguajes de programación.

▶️ Notebook de Kaggle (una especie de Colab) que puede partir de un vídeo de Youtube y describirlo por partes usando Gemini Vision.

▶️ You lanza sus nuevos modos de IA — con funcionalidades Smart, Genius e Research — para potenciar tu productividad y creatividad.

▶️ OpenChat-3.5-1210 se presenta al mundo como el mejor modelo open source de 7B.

🧱 Diseño / 3D

▶️ GaussianAvatars es un nuevo método para generar avatares realistas totalmente controlables en términos de expresión facial, pose y punto de vista. Los vídeos de demostración de su web son impresionantes.

▶️ ControlRoom3D es la nueva herramienta para crear mallas de habitaciones 3D personalizables.

▶️ Ya se puede usar texto para crear archivos CAD con IA gracias al modelo ML•EPHANT.

▶️ MoveAI anunció Move One que permite, entre otras cosas, realizar capturas de movimiento a partir de una única cámara.

▶️ Esto que ves es un 3D (NeRF) renderizado en tiempo real gracias a SMERF, permitiendo, por ejemplo, usar este formato para hacer visitar virtuales.

▶️ Paint3D es un novedoso modelo capaz de producir mapas de textura 2K para mallas 3D sin texturizar.

▶️ Tripo es un nuevo modelo de texto a 3D y de imagen a 3D con una pinta excelente.

🎥 Vídeo

▶️ PIA es un nuevo método para animar imágenes generadas con Stable Diffusion usando texto para condicionar el movimiento.

▶️ Aquí tienes un Colab para animar imágenes de forma masiva con Stable Video Diffusion. Montas una carpeta en Google Drive y el sistema las va procesando automáticamente.

▶️ LongAnimateDiff, es un modelo de texto a video pensado para generar videos largos.

▶️ Runway introduce Text-to-Speech y elección de aspect ratio en GEN-2

▶️ Y Runway también añade un nuevo pincel para generar animaciones ambientales.

📻️ Todo lo demás

▶️ Entrevista a Yann LeCun, jefazo de IA de Meta, en Wired.

▶️ Pinokio 2 entra en fase beta. Recuerda que es la herramienta que nos da la vida a los menos técnicos a la hora de instalar en local decenas de modelos de IA.

▶️ La revista Time desvela las 3 mayores innovaciones en Ia del año 2023.

▶️ Charlie Holtz ha creado y compartido un script para organizar automáticamente las capturas de pantalla de tu ordenador usando modelos de visión.

▶️ LA IA ayuda a descubrir nuevos antibióticos.

▶️ 2023: resumen de los avances de Google en Inteligencia Artificial.

▶️ Las decisiones de ChatGPT demuestra puntuaciones de racionalidad más altas que las de los humanos en los siguientes aspectos: riesgo, tiempo, social y elecciones alimentarias.

▶️ OpenAI dice que la junta tiene el poder de contradecir al CEO (Sam Altman) en cuestiones de seguridad.

▶️ Entrevista en español a Omar Sanseviero, Chief LLaMA Officer en Hugging Face.