Сегодня создание видео можно почти полностью автоматизировать.
Сначала система получает аудиозапись и превращает её в текст с таймкодами.
Затем языковая модель анализирует содержание, делит рассказ на короткие сцены и для каждой сцены создаёт отдельное визуальное описание.
После этого генератор изображений создаёт кадры, а система добавляет мягкое движение камеры, чтобы видео выглядело живым и цельным.
На финальном этапе все сцены собираются в один ролик,