Napredak u oblasti veštačke inteligencije je omogućio masovnu pojavu video zapisa i slika koje su generisane primenom upravo ove napredne tehnologije. To znači da sada postoji mogućnost da se na osnovu odgovarajućeg tekstualnog opisa generiše slika ili video. Ovo je izazvalo mnogo kontroverzi a neke od njih se odnose na nadoknadu koju umetnici dobijaju za korišćene slika koje su upotrebljene za obuku ovakvih modela. Osim toga, postavlja se i pitanje da li je to uopšte umetnost jer postoji veliki potencijal za zloupotrebu, tj. mogućnost da se lako kreiraju slike koje služe isključivo za manipulaciju drugim ljudima. Posebno je zabrinjavajuće stanje na polju informisanja jer se sve češće pojavljuju lažne vesti.

U ovoj oblasti trenutno dominiraju dva veoma popularna sistema a to su DALL-E i Midjourney. DALL-E je proizvod kompanije OpenAI, koja je napravila i ChatGPT. Ovaj model je zasnovan na difuziji, što znači da čitav postupak počinje sa slikom na kojoj ima puno nasumično izabranih elemenata (šuma), da bi se oni postepeno uklanjali sve dok se ne dođe do potpuno čiste slike. DALL-E je obučavan na milionima slika i dostupan je preko Copilot-a, kao i Chat GPT-a.

Midjourney takođe predstavlja izuzetno moćan sistem. Sa njim možete komunicirati preko platforme za ćaskanje Discord ali ako planirate da ga često koristite, predlažem vam da razmislite o plaćenoj verziji.

Na kraju, tu je i model pod nazivom Stable Diffusion koji predstavlja proizvod kompanije Stability AI. Stable Diffusion je veoma moćan, a ono što ga čini jedinstvenim je njegov. To kompanijama omogućava da ga koriste kao deo svoje ponude na planu veštačke inteligencije.

Ako želite da kreirate video koji je nastao primenom veštačke inteligencije, na raspolaganju vam je veliki broj različitih alata, ali se među njima izdvaja proizvod kompanije OpenAI  pod nazivom Sora. Ovaj model je takođe zasnovan na difuziji i generiše izuzetno realistične video snimke. Bez obzira na sve prednosti, ovakav metod kreiranja video materijala ima i svojih nedostataka a među najuočljivije se mogu ubrojiti pokreti ruku. Oni su često vrlo neprecizni i daleko od prirodnih. Takođe postoji i problem sa objektima koji ulaze i izlaze iz kadra jer model ne može da ih prati i precizno locira.