Chinesische Unternehmen, von Start-ups wie Zhipu AI bis hin zu Technologiegiganten wie ByteDance, haben in den letzten Tagen eine Reihe von Werkzeugen zur Generierung von Videos mittels Künstlicher Intelligenz (KI) auf den Markt gebracht. Dabei stehen sie vor der Herausforderung, sich von ihren lokalen Konkurrenten abzuheben.
Neue Marktteilnehmer sind unter anderem der Betreiber der Kurzvideo-Plattform Kuaishou Technology und das Start-up Shengshu AI, die ebenfalls Tools zur Videogenerierung für die Öffentlichkeit bereitgestellt haben. Auch der E-Commerce-Riese Alibaba Group Holding, zu dem auch die South China Morning Post gehört, hat ein Rahmenwerk für ein Sora-ähnliches Tool veröffentlicht.
Obwohl chinesische Firmen noch einige Monate hinter OpenAIs Sora in der Entwicklung von Modellen, die Texte in Videos umwandeln können, zurückliegen, zeigen sie laut Analysten das Potenzial, schnell in diesem Bereich aufzuholen.
Lu Yanxia, Forschungsdirektorin für aufstrebende Technologien bei IDC China, betont, dass Text-zu-Video-Modelle dank Chinas erheblichen Investitionen in KI-Modelle rasch entstanden sind. OpenAI, unterstützt von Microsoft, hat diese Technologie mit dem Debüt von Sora im Februar eingeführt. Allerdings ist das Produkt bisher nur einer begrenzten Anzahl von Pilotnutzern zugänglich.
ByteDance führte mit Jimeng seine Version von Sora am 31. Juli in lokalen Android-Stores ein. Dieses Tool akzeptiert Text- und Bildaufforderungen und kann Clips von bis zu 12 Sekunden generieren. Kuaishous Modell erstellt Clips mit einer maximalen Länge von 10 Sekunden, während ZhipuAIs Qing und Shengshus Vidu Clips zwischen vier und sechs Sekunden erzeugen. Besonders hervorzuheben ist Shengshus Geschwindigkeit: Ihr Modell benötigt weniger als 30 Sekunden, um einen viersekündigen Clip zu generieren, während die meisten anderen Dienste mehr Zeit benötigen.
Ein Mitarbeiter eines der KI-Unternehmen, der anonym bleiben möchte, erklärte, dass die von chinesischen Firmen entwickelten Modelle überwiegend homogen seien. Vielmehr werden sich die Unternehmen über die angebotenen Dienstleistungen und die anvisierten Branchen differenzieren.
Alle vier Services setzen auf ein Freemium-Modell, das Nutzern kostenlose Testversionen mit längeren Wartezeiten während der Stoßzeiten ermöglicht. Bezahlpläne bieten Nutzern hingegen kürzere Wartezeiten und zusätzliche Vorteile wie höher aufgelöste Clips.
IDC's Lu prognostiziert, dass die Videomodelle zunächst im Internetsektor, insbesondere für Live-Streaming und Videospiele, Anwendung finden werden. Daraufhin folgen Anwendungsbereiche in Smart Cities und der Fertigungsindustrie.
„Dies wird das Hauptwettbewerbsfeld für generative KI-Technologien sein“, so Lu.