После громкого дебюта ChatGPT и Midjourney в 2022 году нейросети стали появляться как грибы после дождя. Интернет наполнился большим количеством сервисов, предлагающих генерацию текста, кода, изображений, видео и аудио по текстовым запросам.

Разумеется, многие из таких сервисов существовали и раньше, однако именно на 2022 и 2023 годы пришелся их рассвет — настолько стремительный и яркий, что неподготовленный пользователь может легко заблудиться в этом новом направлении.

Для выбора подходящего инструмента необходима наглядность — знать, какие сервисы существуют, чем они отличаются и какими возможностями обладают. Так проще разобраться и сложнее запутаться.

В этой статье собраны самые популярные платформы для генерации контента, работающие сразу «из коробки» — открыл, ввел, получил. Их можно классифицировать двумя способами — по контенту и по моделям.

По контенту:

• Один тип контента. Сервисы, генерирующий либо только текст (сюда же можно включить код), либо только изображения, либо только видео, либо только аудио.

• Несколько типов контента. Сервисы, генерирующие два и более типа контента. Например, изображения и видео или текст и изображения или видео и аудио или сразу изображения, видео и аудио — вариантов может быть много.

По моделям:

• Со своими моделями (первичные). Разработчики ИИ-моделей (LLM для текста и диффузионные модели для изображений, видео и аудио), которые с одной стороны предоставляют к ним публичный доступ через собственные сайты и API, а с другой — предлагают их использование сторонним сервисам, которые не имеют собственных моделей. Именно эти компании являются лидерами отрасли генеративных нейросетей, а разработанные ими модели — первоисточником всего ИИ-контента.

• С чужими моделями (вторичные). Платформы, предлагающие генерацию контента с помощью генеративных моделей, созданных сторонними разработчиками. В некоторых случаях используются дообученные (fine-tuned) модели для генерации более специфичного контента — портретов, техники, 3D-объектов или изображений в особой стилистике.

В таблицах, представленных ниже, содержится только основная информация о сервисах: платформа, разработчик, модели, страна и ссылка на сайт. С полным описанием возможностей и условий использования можно ознакомится на официальном сайте каждого из сервисов.

Некоторые платформы дублируются в нескольких таблицах — это означает, что они способны генерировать контент различных типов.

❯ Генерация текста

Нейросети на основе больших языковых моделей (large language model или LLM), реализованные в виде сайтов с чат-ботами, могут генерировать текстовый контент любой направленности: диалоги, истории, рецепты, письма, таблицы, код и многое другое.

Схема их работы проста — пользователь пишет запрос, именуемый промтом, после чего получает ответ. Чем точнее запрос, тем точнее ответ. Многие из таких сервисов управляют интеллектуальными агентами, которые выполняют запросы к внешним сайтам и собирают наиболее актуальную информацию.

Эти нейросети наиболее популярны. Они обучены на текстовых данных (например, литературных корпусах), накопленных человечеством за всю многовековую историю — от древнегреческих философов до наших дней.

Тем не менее, нейросети пластичны, а значит могут искажать информацию. Поэтому их ответы требуют проверки — так называемого фактчекинга (fact checking).

Разумеется, лидерами являются сервисы, использующие собственные языковые модели. На бесплатных тарифах они не имеют существенных ограничений — платные подписки лишь открывают доступ к более свежим версиям моделей и расширенному функционалу генерации.

Другие платформы используют языковые модели сторонних разработчиков — тех, что были перечислены выше. В некоторых случаях они предлагают на выбор сразу несколько моделей, выступая в роли агрегаторов.

Еще одна категория — сервисы для поиска целевой информации из внешних источников. Такие инструменты выполняют самостоятельный сбор и анализ необходимых данных, после чего выдают готовый результат.

Наконец, существуют специализированные сервисы для маркетологов и копирайтеров, предоставляющие дополнительный инструментарий для генерации, редактирования и анализа текстового контента.

Еще более специализированные сервисы — инструменты автозавершения кода, существующие в виде расширений или плагинов для популярных IDE. Например, для Microsoft VS Code или JetBrains IDEs.

❯ Генерация изображений

Нейросети для генерации статичных изображений способны создавать визуальные образы в различных стилях и направлениях — от супрематизма и абстракционизма до импрессионизма и реализма, от сделанных в спешке селфи до кинематографичной 3D-мультипликации, от набросков карандашом до сложных чертежей.

В текстовых запросах, на основе которых генерируются изображения, описываются персонажи, предметы, окружение, параметры холста и даже имена художников, чей стиль необходимо заимствовать.

Большинство платформ генерируют 8-битные изображения в разрешении от 1024x1024 до 2048x2048. В некоторых случаях возможен апскейлинг (upscale) до 4096x4096. При этом можно задавать точные соотношения сторон: 3:2, 4:3, 16:9 и другие. 

В отличие от сервисов генерации текста, платформы для создания изображений имеют ограничения на бесплатных тарифах. Это касается качества картинки, параметров холста, скорости генерации и дополнительных функций.

Также, как и с текстовым контентом, лидерами являются платформы с собственными моделями — как правило диффузионными (по аналогии с LLM).

Платформы, которые не имеют собственных моделей, используют чужие — не обязательно от тех разработчиков, что были перечислены выше. Многие из таких платформ агрегируют сразу несколько свободных моделей.

❯ Генерация видео

Большинство нейросетей для генерации видео существуют в формате многофункциональных сервисов (или даже облачных платформ), предоставляющих набор ИИ-инструментов для создания и редактирования видеороликов.

Почти все сервисы генерируют видео продолжительностью от 5 до 10 секунд в разрешении от 720p до 1080p с частотой не более 30 кадров в секунду. При этом видео может быть сгенерировано как на основе текста, так и на основе изображения или даже другого видео.

Многие сервисы имеют встроенные функции увеличения продолжительности (extend) и разрешения (upscale) уже готовых видео — до 4K и нескольких минут соответственно. Однако в таком случае возможно падение детализации и согласованности сцен.

Генерация видео сложнее генерации изображений. Поэтому использование чужих моделей не распространено — кто модель создал, тот ее и использует.

Бесплатные тарифы ограничены сильно — для полноценного использования без платных подписок практически не обойтись.

Помимо классических платформ, которые генерируют видео произвольного содержания, существуют специализированные сервисы для создания виртуальных дикторов — говорящих и жестикулирующих.

Пользователь выбирает аватара (либо создает нового по фотографии), подбирает ему голос, конфигурирует внешность, настраивает окружение и пишет текст, который необходимо озвучить.

Полученные ролики имеют ограниченный видеоряд, но длинную продолжительность — до нескольких (десятков) минут.

❯ Генерация аудио

Сервисы генерации аудио распространены не сильно — все таки звуки более второстепенный контент, нежели текст, изображения и видео. Поэтому платформ, предоставляющих инструменты для генерации речи, музыки и звуковых эффектов не так много.

Во-первых, есть сервисы для генерации речи.

Во-вторых, существуют платформы, предназначенные для генерации музыки.

В-третьих, некоторые сервисы специализируются на генерации звуков окружения. Это может быть стук дождя, выстрел бластера, громыхание посуды и множество других эффектов.

❯ Репозитории для моделей

Последняя категория сервисов — общедоступные платформы для публикации и использования моделей машинного обучения. По сути, это GitHub, GitLab и Bitbucket для ИИ-моделей.

А какие полезные ИИ-сервисы для генерации контента известны Вам? Напишите о них в комментариях — возможно их тоже стоит добавить в подборку.

Новости, обзоры продуктов и конкурсы от команды Timeweb.Cloud — в нашем Telegram-канале ↩