W.A.I. #55

Bienvenida/o a otra edición de WAI.

Probablemente esta haya sido una de las semanas más movidas en Inteligencia Artificial desde que se inició esta reciente revolución.

Y con la que ha caído ya te puedes hacer una idea de lo que tienes por delante: edición de las gordas, de las que hay que dar a “Lee online” arriba a la derecha si no quieres perderte nada.

He intentado seguir manteniendo la variedad y no centrarme sólo en los grandes anuncios, creo que es más interesante así. Si prefieres que haya menos variedad y más profundidad, escríbeme y cambio el enfoque en siguientes ediciones.

Dicho lo cual, no te entretengo más, a disfrutar de las novedades.

Empezamos.

Contenidos de hoy

• Lo mejor de la semana

• La Cacharrería

• Imagen

• Texto

• Vídeo

• Diseño 3D

• Todo lo demás

• Formación y tutoriales

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

▶️ Google presentó por sorpresa una nueva versión de Gemini 1.5, con algunas capacidades casi de ciencia ficción.

▶️ OpenAI anunció, a las pocas horas de la noticia de Gemini 1.5, Sora, su primer modelo de vídeo. Y es impresionante, dejo dos enlaces para profundizar:

• Directo de DotCSV

• Más detalles y ejemplos en la publicación de OpenAI

▶️ Andrej Karpathy, una de las personas más influyentes en los últimos avances en Inteligencia Artificial, abandona OpenAI.

▶️ Stability presenta Stable Cascade, su nuevo modelo de generación de imágenes, heredero de Würstchen y con origen español.

▶️ Nvidia publica Chat with RTX, una herramienta para usar chatbots en local.

▶️ ElevenLabs anuncia su plan para que los dobladores puedan compartir su voz y recibir una compensación en función de su uso.

▶️ Reddit ha llegado a un acuerdo con una compañía para ceder sus datos para entrenar modelos. Serán 60 millones por año y aún no se ha desvelado qué empresa es la elegida.

▶️ Buena iniciativa de TechCrunch poniendo el foco en las mujeres que están formando parte de la actual revolución de la IA.

🐔 Tuit de la semana

▶️ Es de la semana pasada pero se la vi publicada a Carlos Santana y me pareció una reflexión para pensar: ¿qué habría pasado si Google no hubiera compartido el invento de la tecnología transformers?

🏆️ Imagen de la semana

▶️ Brillante como siempre Tom Fishburne sobre el futuro de la búsqueda web con IA.

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

▶️ Si tienes que probar sólo una cosa esta semana, que sea Goody-2, un chatbot tan seguro y responsable que es ridículamente divertido.

▶️ Si quieres probar una implementación súper completa de Whisper, en Replicate tienes la solución para transcribir audio a texto.

▶️ Colab para poder usar el nuevo modelo Stable Video Diffusion 1.1.

▶️ Prueba aquí DynamiCrafter, otro excelente modelo de vídeo con control por texto.

▶️ MagicDance permite poner a bailar a cualquier personaje de manera sencilla y lo puedes comprobar en este enlace.

▶️ Colab con el que puedes generar sonidos a partir de una imagen.

▶️ Transforma cualquier persona en un meme con InstaSoyJak

▶️ Prueba la demo del nuevo modelo Stable Cascade gratis.

🖼️ Imágenes

▶️ Recopilación de Apolinario de todos los modelos de generación de imagen open source.

▶️ Scenario ha integrado IP Adapter a su plataforma, una nueva alternativa para tener consistencia en tus generaciones.

▶️ Ya hay implementación oficial de InstantID para ComfyUI. Recordemos que sirve para generar personajes consistentes con tan sólo una imagen de referencia.

▶️ Cómo mantener tus imágenes fuera de los modelos de IA.

▶️ Transforma tu flujo de trabajo en ComfyUI a un plugin de Photoshop con comfyui-mixlab-ps-plugin.

▶️ Workflow para creación de personajes con Scenario.

▶️ La aplicación Draw Things se vuelve a actualizar y añade más mejoras. Si no la conoces es una de las vías más sencillas para empezar a usar Stable Diffusion.

▶️ Krea lanza su propio upscaler de imágenes con IA

▶️ ¿Tienes una imagen y quieres crear variaciones de forma rápida y gratis? En este espacio de Hugging Face tienes la solución.

▶️ Y si quieres hacerlo en condiciones, recomiendo usar Reimagine de Freepik.

✏️ Texto

▶️ ChatGPT empieza a desplegar su nueva funcionalidad de memoria.

▶️ Parece que un nuevo modelo de Mistral llamado Next ha sido publicado en Chatbot Arena.

▶️ Assistive Chat es un chatbot con todas las capacidades que puedes necesitar: texto imagen, audio, vídeo.

▶️ Rara vez se ve a empleados de OpenAI en entrevistas, por eso esta de Logan.GPT construyendo un Custom GPT es especialmente interesante.

▶️ Copilot, el asistente de Microsoft, ya está disponible de manera global en cualquier país y en cualquier dispositivo.

▶️ Carlos Ortega dio el aviso de que OpenAI ha cambiado el modelo de pago de su API y ahora será mediante prepago.

▶️ La consultora PwC anuncia un asistente para gestión de impuestos en Reino Unido en colaboración con OpenAI.

▶️ Vídeo con pruebas de un desarrollador externo a Google con el nuevo Gemini 1.5.

▶️ Cohere lanza Aya, un nuevo modelo open source capaz de usar 101 idiomas diferentes.

▶️ Sam Altman dijo esta semana que GPT-5 iba a ser más listo en todo. Después de Sora las expectativas son aún más altas.

▶️ ChatGPT añade nuevas opciones para su función de voz.

▶️ Ollama lanza su primera versión para Windows.

🎥 Vídeo

▶️ Demostración de que la generación de vídeo con IA en tiempo real es posible.

▶️ Boximator de TikTok permite controlar la generación de vídeos a partir de imágenes usando “cajas”. Los ejemplos son muy ilustrativos.

▶️ Primer prototipo de generador de entornos 360 con IA para las Vision Pro de Apple.

▶️ Face Fusion, la herramienta para crear deep fakes de vídeos, se actualiza a la versión 2.3.0 y añade sincronización labial.

▶️ Fantástico ejemplo de paso de 2D a “real” con vídeo generado con IA de AIWarper.

▶️ La NBA desvela NB-AI, con el que los espectadores podrán recrear jugadas de los partidos en formato animado como en sus películas preferidas.

▶️ Magic-Me es un nuevo modelo para crear vídeos manteniendo la identidad de los sujetos.

▶️ +Rain Film Fest es un certamen de cine generado con IA que cierra sus inscripciones el próximo 3 de marzo.

▶️ Maravilloso uso del entrenamiento de modelos de imagen para crear animaciones estilo stop-motion. Recomiendo horrores ver el vídeo.

🧱 Diseño 3D

▶️ GES es un nuevo método más efectivo que Gaussian Splatting para visualizar 3D. Y Camenduru ya tiene montado un Colab para probarlo.

▶️ Kaedim comparte su herramienta para texturizar modelos de forma autómatica.

▶️ Holo-Gen de Unity es un método para crear texturas PBR para objetos 3D. Y hay demo para probarlo.

▶️ Echa un primer vistazo a Airen 4D, un motor de render con IA para cinema 4D.

▶️ Meta presenta IM-3D, modelo capaz de generar varias vistas de un objeto y luego trasladarlo a 3D.

▶️ Me ha gustado mucho esta charla en el canal de Esperando el render entre dos profesionales consagrados en la industria hablando de todo un poco y de su visión sobre la IA.

📻️ Todo lo demás

▶️ OpenAI no logra registrar “GPT” como marca. 

▶️ Air Canada tendrá que aplicar una política de devoluciones inventada por su chatbot IA.

▶️ Demostración en vídeo de cómo funcionan los robots autónomos de 1X.

▶️ Jeoffrey Hinton, uno de los padres de la IA actual, opina que la Inteligencia Artificial es mejor que la inteligencia biológica.

▶️ ElevenLabs presenta su funcionalidad Speech to Speech en 29 idiomas distintos.

▶️ Alva Majo, divulgador sobre desarrollo de videojuegos, aborda la polémica sobre si es o no ético usar IAs.

▶️ El CEO de Runway publicó que han editado el código de GEN-2 en 6834 tomos de edición limitada.

▶️ Una orquesta española crea e interpreta por primera vez una obra hecha con IA.

▶️ La startup enfocada en sueños lúcidos Prophetic, dice que podremos trabajar mientras dormimos.

▶️ Las grandes compañías han firmado un acuerdo para combatir el mal uso de la IA en torno a las elecciones a la presidencia de EEUU.

▶️ Muy buena promo relacionada con la IA de la próxima película de Mi villano favorito 4.

▶️ Charla de Andrew NG sobre las oportunidades de la IA

▶️ Curioso e interesante test sobre deepfakes, ¿cuántos eres capaz de detectar?

▶️ Navi es una aplicación súper útil aplicación para las Vision Pro de Apple que permite traducir voz en tiempo real. Merece mucho la pena ver el vídeo.

🎓️ Formación y tutoriales

▶️ Ahora puedes entrenar modelos tanto de texto como de imagen sin código y con interfaz con Autotrain Advanced.

▶️ Curso introductorio a la tecnología transformers de Hugging Face.

▶️ Guía para entrenar ADetailer.

🍅 Salseo

▶️ Nuevo jaleo en torno a una imagen generada con IA y compartida por el Ministerio de Juventud e Infancia.

▶️ Y aquí otra polémica similar con otro cartel de la Generalitat Valenciana.