新しいインターフェースで生成モデルがクリエイティブなパートナーに！

クリエイティブな探求は、可能性の空間における探索プロセスと見ることができます。私たちは解決策を作成し、それを評価し、満足のいく結果に至るまで洗練していきます。私たちの生成モデルの潜在空間は、この抽象的な空間の直接的なソフトウェア的アナログを提供し、潜在空間内の各点は、データから学習したパターンに従った可能性のある創造物を表します。従来、クリエイティブソフトウェアは主に最終段階の洗練と制作において機能してきました。その理由の一つは言語です。私たちは、創造的な意図をピクセル座標や16進数コードなどの低レベルの機械可読パラメータの煩わしいシーケンスに翻訳する必要がありました。生成モデルはこれを変えました。低レベルのパラメータを操作する代わりに、私たちは今、さまざまなモダリティを通じて自然に意図を表現できます。「この画像は夕方にどのように見えるか？」や「このビデオをこれらの画像のスタイルに合わせて作成して」というように。この変化により、ソフトウェアは制作ツールを超えて、クリエイティブな探求の道具となることが可能になりました。 しかし、これらの広大な潜在空間をナビゲートすることは、インターフェースデザインに新たな課題をもたらします。私たちは最近、この新しいメディアの時代のインターフェースデザインに関する哲学を共有し、今日はビデオキーフレームを通じてこれらの問題を探るプロトタイプを発表することに興奮しています。グラフ構造は、プロトタイプの基盤です。画像はノードとして表され、モデルの潜在空間におけるウェイポイントとして機能します。これらのノードは他のノードに接続してエッジを作成することができ、潜在空間と時間を通じて最初のフレームから最後のフレームに移行するビデオを生成します。正確なコントロールは、可能性の広大な空間を制限するのに役立ちますが、同時に、変化や予測不可能性は「ハッピーアクシデント」を生む可能性があります。これは、正確なコントロールを考慮しなかった可能性です。このトレードオフをバランスさせるために、私たちはユーザーが画像を「関係的」に操作するための2つのアフォーダンスを提供し、一貫した次元での予測不可能性を許可します。ユーザーは「Image to Image」を通じて選択した画像を変換でき、元の構成を保持しながらテキストプロンプトを通じてスタイルを変更できます。また、「Image Variations」を使用すると、元のスタイルを維持しながら構成を変えることができます。クリエイティブな探求は、直線的に進むことはほとんどありません。グラフ構造は、ユーザーがさまざまなポイントで分岐し、新しい代替案のフォークを作成することを自然に許可します。探索が進むにつれて、グラフは自然に成長し、さまざまな実験的な経路を追跡します。これにより、ユーザーは非線形のタイムラインを構築できます。私たちは、ユーザーがその非線形のタイムラインを線形のタイムラインでビデオにエクスポートできるシーケンサーを提供します。これは「自分の冒険を選ぶ」ような体験に似ています。グラフ構造を超えて、ワークスペースに対して組織的な制約を課すことはありません。ユーザーはノードとエッジを自由に整理でき、関連する探求をクラスター化したり、プロセスに応じて異なる創造的実験を分離したりできます。私たちのプロトタイプは、生成メディアの時代におけるクリエイティブインターフェースの進化を示しています。グラフ構造は潜在空間をナビゲートする方法を提供し、画像をウェイポイントとし、遷移をクリエイティブな可能性の道として扱います。新しいインターフェースの原則を見つけるための継続的な実験と好奇心を通じて、生成モデルの完全な潜在能力を実現できると信じています。これは、単なる制作ツールではなく、創造プロセスにおけるアクティブなパートナーとして機能します。新しい可能性を発見し、探求する能力を広げてくれます。