กสทช. สหรัฐฯ หรือ FCC ออกประกาศระบุว่าการโทรหาลูกค้าเพื่อเสนอสินค้าหรือบริการ (robocall) โดยใช้เสียงที่สร้างจากปัญญาประดิษฐ์เป็นการกระทำที่ผิดกฎหมายในตัวเองทันที

ประกาศของ FCC ระบุว่าเดิมผู้ใช้เสียง AI ก็มักเป็นกลุ่มคนร้ายที่ล่อลวงเหยื่อโดยอาศัยเสียงคนดัง หรือเสียงของญาติพี่น้องของเหยื่ออยู่แล้ว แต่ประกาศนี้จะทำให้การใช้เสียง AI นั้นเป็นการกระทำผิดกฎหมายในตัวเอง ไม่ต้องไปพิสูจน์ความผิดว่าเป็นการหลอกลวงหรือไม่

แม้การเอาผิดกับคนร้ายที่หลอกลวงเหยื่อโดยตรงจะทำได้ยาก แต่การออกประกาศนี้ก็จะเปิดทางให้ FCC ประกาศแบนเครือข่ายโทรศัพท์ที่คนร้ายใช้เสียง AI โทรเข้าไปยังหมายเลขในสหรัฐฯ ได้ต่อไป

ที่มา - FCC

กูเกิลปล่อย Gemini Ultra 1.0 โมเดลรุ่นใหญ่ที่สุดในตระกูล Gemini ที่กูเกิลระบุว่าคะแนนทดสอบสูงกว่า GPT-4 โดยเปิดบริการ Gemini Advanced ให้ผู้ใช้ Google One แพ็กเกจระดับ AI Premium ที่มาพร้อมพื้นที่เก็บข้อมูล 2TB ราคาเดือนละ 750 บาท พร้อมช่วงทดสอบฟรีสองเดือน

ราคานี้ใกล้เคียงกับ Copilot Pro ของไมโครซอฟท์ที่เปิดให้ผู้ใช้ทั่วไปซื้อแพ็กเกจ GPT-4 ใช้งาน แต่ถูกกว่า Copilot for Microsoft 365 สำหรับลูกค้าองค์กรที่ราคา 30 ดอลลาร์ต่อเดือน

ETS ผู้ให้บริการทดสอบวัดระดับภาษาอังกฤษ TOEFL ประกาศเพิ่มบริการใหม่ชื่อว่า TestReady ซึ่งเป็นเครื่องมือสำหรับฝึกฝนเตรียมการสอบ ที่ระบุว่านำ AI มาช่วยปรับแต่ง แนะนำเนื้อหา ให้เหมาะกับผู้เรียนแต่ละคน โดยมีเป้าหมายให้ทำคะแนนสอบได้สูงที่สุด

TestReady ออกแบบมาสำหรับการสอบ TOEFL แบบ iBT โดยมีฟังก์ชันพื้นฐานให้ใช้งานได้ฟรี เช่น กิจกรรมทดสอบวัดผลรายวัน, ออกแบบตารางวางแผนเตรียมตัวสำหรับการสอบ และมีฟังก์ชันที่ต้องจ่ายเงินเพื่อใช้งาน เช่น ระบบทดสอบให้คะแนน และให้ Insight ของผลการทดสอบ, ระบบฝึกฝนแบบทดสอบการพูด ที่ให้ผลลัพธ์และคำแนะนำทันที รวมทั้งการให้ความเห็นเจาะจงสำหรับแต่ละคน

ไมโครซอฟท์ปรับหน้าตาของ Copilot เวอร์ชันเว็บ และมือถือ Android/iOS เล็กน้อย โดยเพิ่ม carousel หรือแถบเลื่อนแสดงภาพด้วย AI เพื่อเป็นไอเดียในการคุยกับบ็อท นอกจากนี้ยังเพิ่มฟีเจอร์การสั่งปรับแต่งภาพที่สร้างได้จากหน้าแชท Copilot โดยตรง

อัพเดตนี้ถือเป็นโอกาสครบรอบ 1 ปีของ Copilot (นับจากตอนแรกที่ใช้ชื่อ Bing Chat ก่อนรีแบรนด์มาเป็น Copilot เมื่อเดือนพฤศจิกายน 2023) ไมโครซอฟท์เปิดเผยสถิติว่ารอบปีที่ผ่านมา มีการแชทคุยกัน 5 พันล้านครั้ง และการสร้างภาพด้วยปัญญาประดิษฐ์ 5 พันล้านภาพ อีกทั้งยังช่วยให้ส่วนแบ่งตลาดของ Edge/Bing เพื่อขึ้นอย่างยั่งยืนด้วย

แอปเปิลเผยแพร่งานวิจัยด้าน AI ต่อสาธารณะ โดยเป็นโมเดลโอเพนซอร์ส ที่สามารถแก้ไขรูปภาพได้ตามคำสั่งภาษาธรรมชาติ (Natural Language) ซึ่งพัฒนาและวิจัยโดยทีมวิจัยของแอปเปิล ร่วมกับทีมนักวิจัยจาก University of California, Santa Barbara

โมเดล AI ตัวนี้มีชื่อว่า "MGIE" ย่อมาจาก MLLM-Guided Image Editing โดยนำโมเดลข้อมูลผสมผสานภาษาขนาดใหญ่ มาต่อยอดให้รับคำสั่งเพื่อแก้ไขรูปภาพในหลายแบบ ทั้งระดับเล็กที่พิกเซล จนถึงการแก้ไขภาพรวม

OpenAI ประกาศฝัง metadata ลงในภาพที่สร้างด้วย Dall-E 3 เพื่อระบุว่าเป็นภาพที่สร้างด้วย AI

ข้อมูล metadata ที่ฝังลงในภาพเป็นมาตรฐานกลาง C2PA แบบเดียวกับที่ใช้ในวงการภาพถ่าย ผู้ใช้สามารถนำภาพไปเช็คกับเว็บ Content Credentials ย้อนกลับได้ว่าเป็นภาพที่สร้างด้วย Dall-E หรือไม่ ส่วนบริษัทอย่าง Meta ก็ประกาศว่าจะอ่านค่า metadata ชุดนี้แล้วนำไปแปะป้ายบอกว่าเป็นภาพจาก AI เช่นกัน

Meta ประกาศแนวทางขึ้นป้ายกำกับ (label) บอกว่าภาพที่โพสต์ในระบบ Facebook, Instagram, Threads สร้างด้วย AI เพื่อป้องกันไม่ให้เกิดความเข้าใจผิด ป้ายกำกับนี้จะเริ่มใช้งานในอีกไม่กี่เดือนข้างหน้า (coming months)

Roblox เปิดตัวโมเดล AI ปรับแต่งที่รองรับการแปลข้อความในแชทภาษาต่าง ๆ แบบเรียลไทม์ โดยมีเป้าหมายให้การสนทนาลื่นไหลแบบที่ผู้เล่นไม่ทราบด้วยว่าคู่สนทนาจริง ๆ แชทมาด้วยภาษาอะไร

AI แปลภาษาใน Roblox รองรับการแปลทั้ง 16 ภาษา ซึ่งรวมทั้งภาษาไทยด้วย ส่วนภาษาอื่นเช่น ภาษาอังกฤษ ภาษาสเปน ภาษาฝรั่งเศส ภาษาเยอรมนี ภาษาอินโดนีเซีย ภาษาจีนทั้ง Simplified และ Traditional ภาษาญี่ปุ่น ภาษาเกาหลี ภาษาเวียดนาม ฯลฯ

ChatDB ปล่อยโมเดลปัญญาประดิษฐ์ Natural-SQL-7B โมเดลสำหรับเขียน SQL ตามคำสั่ง โดยชูจุดเด่นที่โมเดลมีขนาดเล็กมาก เพียง 7 พันล้านพารามิเตอร์แต่ได้ผลลัพธ์ค่อนข้างดี เหนือกว่า GPT-3.5 เสียอีก

คะแนนทดสอบ SQL-Eval ที่อาศัยการทดสอบคิวรีจริงด้วย PostgreSQL และ Snowflake ได้คะแนน 76.5% เป็นรอง SQLCoder-15B ที่ได้ 78% และ GPT-4 ที่ได้ 83%

ตัวโมเดลเปิดให้ใช้งานได้ฟรีแต่บังคับต้องเปิดเผยโมเดลที่ถูกดัดแปลงแบบเดียวกับ Creative Commons BY-SA 4.0 แต่เพิ่มเงื่อนไขจำกัดประเภทธุรกิจที่ใช้งานได้ทำให้ไม่เป็นโอเพนซอร์ส

ที่มา - HuggingFace: ChatDB/Natural-SQL-7B

Hugging Face แพลตฟอร์มด้าน AI ชื่อดัง เคยเปิดตัวบริการแช็ทบ็อท HuggingChat แบบเดียวกับ ChatGPT แต่เป็นโอเพนซอร์ส ไปก่อนแล้ว

ล่าสุด Hugging Face เปิดตัวบริการเสริมชื่อ HuggingChat Assistant สำหรับปรับแต่งแช็ทบ็อทให้มีความสามารถเฉพาะทาง แบบเดียวกับ GPT Builder และ GPT Store ของค่าย OpenAI แต่มีจุดต่างสำคัญคือเป็นโอเพนซอร์ส และใช้งานได้ฟรี (ค่าย OpenAI ต้องสมัคร ChatGPT Plus ราคา 20 ดอลลาร์ต่อเดือน)

กูเกิลเปิดตัวเครื่องมือสร้างภาพด้วย AI ตามคำสั่ง ใช้ชื่อว่า ImageFX โดยใช้โมเดล Imagen 2 ที่เปิดตัวในช่วงปลายปี 2023

ในแง่ความสามารถ ImageFX คงไม่ต่างอะไรจากการเรียกโมเดล Imagen 2 จาก Google Cloud มาสร้างภาพโดยตรง แค่เปลี่ยนจากการเรียกผ่าน API มาเรียกผ่านช่องทางหน้าบ้านที่กูเกิลสร้างให้เท่านั้น

ลูกเล่นเล็กๆ ของ ImageFX คือการเตรียมสไตล์ภาพที่ใช้บ่อยๆ ไว้เป็นเมนูให้เลือก ไม่ต้องพิมพ์คำสั่ง prompt เองทั้งหมด กูเกิลเรียกฟีเจอร์นี้ว่า expressive chips ช่วยให้เราทดลองไอเดียสร้างภาพได้รวดเร็วกว่าเดิม

เว็บ 9to5Mac อ้างแหล่งข่าวที่เกี่ยวข้องเผยว่า แอปเปิลมีแผนเข้าซื้อกิจการสตาร์ทอัพด้าน AI ในเยอรมนีชื่อว่า Brighter AI เพื่อนำมาเพิ่มฟีเจอร์ด้านความเป็นส่วนตัวในเฮดเซต Apple Vision Pro ตลอดจนฟังก์ชันด้าน AI ในบริการตัวอื่น

Brighter AI มีผลิตภัณฑ์หลักด้านการปรับข้อมูลสำหรับงาน AI เพื่อปกป้องความเป็นส่วนตัวของข้อมูลต้นฉบับ ได้แก่ ระบบเบลอข้อมูล และระบบแปลงข้อมูลให้เป็นนิรนาม (Anonymous) รองรับข้อมูลสองประเภทคือ ใบหน้าบุคคล และเลขทะเบียนรถยนต์ (ดูตัวอย่างท้ายข่าว) ซึ่งทำให้การนำข้อมูลมาใช้กับ AI เป็นไปตามข้อกำหนดของหน่วยงานกำกับดูแลในหลายประเทศ-ภูมิภาค

Amazon เปิดตัว Rufus แชทบอตผู้ช่วยพลัง Generative AI ที่ช่วยให้การเลือกค้นหาสินค้าทำได้ผ่านการสนทนาโต้ตอบอัตโนมัติ

ถ้าอธิบายการทำงาน Rufus ก็อาจสรุปได้ว่าเป็นแชทบอตสไตล์ ChatGPT ที่เชี่ยวชาญรายการสินค้าที่มีทั้งหมดใน Amazon รวมทั้งแนะนำให้ข้อมูลต่าง ๆ ได้ ข้อดีของ Rufus คือช่วยฟิลเตอร์สินค้า เจาะจงรายละเอียดได้มากเท่าที่ลูกค้าต้องการระบุ มากกว่าวิธีกรองสินค้าแบบเดิมนั่นเอง

Rufus เริ่มทดสอบวันนี้ในสถานะเบต้าบนแอป Amazon ในมือถือ เริ่มทดลองกับลูกค้ากลุ่มเล็กก่อน และจะขยายออกไปยังลูกค้าทุกคนในสหรัฐอเมริกาต่อไป

ที่มา: Amazon

เมื่อไม่นานมานี้เพิ่งมีข่าวว่า กูเกิลจะเลิกใช้ชื่อ Assistant with Bard เปลี่ยนมาใช้ชื่อ Bard แต่ล่าสุดเหมือนคดีพลิกอีกแล้ว เพราะมีหลักฐานใหม่ว่ากูเกิลจะเลิกใช้ชื่อ Bard และเปลี่ยนมาใช้ชื่อ Gemini แทนทั้งหมด

ข้อมูลนี้มาจากผู้ใช้ทวิตเตอร์ชื่อ @evowizz ที่พบภาพหน้าจอของเว็บ Bard ระบุว่า Bard is now Gemini ส่วน 9to5google ลองแกะไฟล์ APK ของแอพ Google Assistant และพบว่าข้อความ Bard ถูกเปลี่ยนเป็น Gemini แล้วเช่นกัน

ที่มา - 9to5google

กูเกิลปล่อย Gemini Pro ใน Bard ทุกภาษาแล้ว หลังจากเมื่อปีที่แล้วจำกัดเฉพาะภาษาอังกฤษ ส่วนภาษาอื่นๆ ยังใช้ PaLM-2 มาตลอด การเปลี่ยนแปลงครั้งนี้ทำให้ Bard สามารถสรุป, ทำความเข้าใจ, และให้เหตุผลได้ดีขึ้น

นอกจากการเปลี่ยนโมเดลด้านหลังแล้ว Bard ยังเพิ่มอีกสองฟีเจอร์ ได้แก่

• สร้างภาพด้วย Imagen2 ในตัว ด้วยการพิมพ์ลงพรอมพ์แชตตามปกติ ภาพที่สร้างขึ้นจะถูกฝังลายน้ำ SynthID เอาไว้ ตอนนี้ยังสั่งได้เฉพาะภาษาอังกฤษเท่านั้น
• ตรวจคำตอบด้วย Google Search รองรับภาษาเพิ่มเติม

กูเกิลชูประเด็นที่ Bard ได้คะแนนสูงใน LMSYS ว่ายืนยันผลทดสอบที่กูเกิลจ้างบริษัทภายนอกมาสำรวจก่อนหน้านี้

Singtel ประกาศความร่วมมือกับ NVIDIA นำ NVIDIA AI Platform มาให้บริการชาติต่างๆ ในอาเซียน เพื่อเปิดให้องค์กรทั้งรัฐและเอกชนสามารถพัฒนาปัญญาประดิษฐ์ผ่านบริการในประเทศของตัวเองได้

ศูนย์ข้อมูลแรกของ Singtel ที่ให้บริการนี้จะเริ่มจากสิงคโปร์ก่อน อีกสองศูนย์ในประเทศไทยและอินโดนีเซียนั้นอยู่ระหว่างการก่อสร้าง

NVIDIA ระบุว่าสิงคโปร์กำลังพัฒนา large language model ของตัวเองเพื่อให้เข้าใจสำนวนท้องถิ่น, วัฒนธรรม, ตลอดจนแนวทางปฏิบัติในสิงคโปร์ที่มีทั้งคนจีน, อินเดีย, และคนมาเลย์อยู่ร่วมกัน โดยการเตรียมศูนย์ข้อมูลครั้งนี้เป็นส่วนหนึ่งของแผนยุทธศาสตร์ปัญญาประดิษฐ์ของประเทศ ที่ข้อหนึ่งระบุว่าต้องมีพลังประมวลผลเพียงพอ

จากเงื่อนไขฟีเจอร์ Galaxy AI ของ Galaxy S24 ที่ระบุว่าให้ใช้ฟรีถึงสิ้นปี 2025 มีคำถามตามมาในเรื่องนี้อีกมาก ล่าสุดมีข้อมูลเพิ่มขึ้นจากเดิมอีกเล็กน้อย

TM Roh ประธานฝ่ายธุรกิจมือถือของซัมซุงไปงานที่ประเทศอินเดีย และให้สัมภาษณ์สื่ออินเดีย ตอบคำถามประเด็นนี้โดยบอกว่าซัมซุงยังไม่ได้ตัดสินใจว่าจะเอายังไงหลังปี 2025 แต่แนวทางกว้างๆ คือจะมีทั้งฟีเจอร์ AI ที่ให้ใช้งานฟรีต่อไป และฟีเจอร์ AI แบบพรีเมียมที่ต้องจ่ายเงิน

ที่มา - Economic Times via Android Police

ก่อนหน้านี้ X ได้บล็อกผลการค้นหาข้อความที่มีคีย์เวิร์ด "Taylor Swift" ศิลปินชื่อดัง หลังจากมีคอนเทนต์ภาพไม่เหมาะสมซึ่งสร้างด้วย AI จำนวนมากปรากฎอยู่ในโซเชียลมีเดียดังกล่าว ล่าสุด X ได้ยกเลิกการบล็อกผลการค้นหานี้แล้ว

แถลงการณ์ของ X บอกว่า การค้นหาได้กลับมาเปิดให้ใช้งานอีกครั้ง และเรายังคงระมัดระวังตรวจสอบความพยายามเผยแพร่เนื้อหาประเภทนี้ และจะลบออกเมื่อพบ

ประเด็นดังกล่าวถูกหารือไปถึงระดับสมาชิกสภาคองเกรส ในเรื่องการกำกับดูแล AI สร้างรูปภาพ เพื่อป้องกันปัญหาต่าง ๆ ที่เกิดขึ้น ขณะที่สมาคมนักแสดง SAG-AFTRA ก็แถลงว่าเหตุการณ์จากคอนเทนต์ AI นี้ น่าผิดหวัง เป็นอันตราย และสร้างความกังวลมาก จึงเรียกร้องให้มีการควบคุมเทคโนโลยีนี้มากขึ้นก่อนจะสายเกินไป

X หรือ Twitter เดิม ได้บล็อกการค้นหาโพสต์จากคีย์เวิร์ด Taylor Swift ศิลปินชื่อดังชั่วคราว หลังจากมีรายงานปัญหาภาพปลอมสร้างด้วย AI ที่ไม่เหมาะสม ถูกโพสต์ลง X จำนวนมาก โดยหากเสิร์ชคำว่า "Taylor Swift" หรือ "Taylor Swift AI" จะได้ผลลัพธ์ว่ายังโหลดโพสต์ไม่ได้ในขณะนี้

ก่อนหน้านี้ X ได้ชี้แจงปัญหาจากเหตุการณ์ดังกล่าว โดยย้ำว่าการโพสต์ภาพเปลือยที่ไม่ได้รับการยินยอมเป็นการละเมิดเงื่อนไขของแพลตฟอร์ม ซึ่งทีมได้ทำการลบและระงับบัญชีที่เกี่ยวข้อง ตอนนี้ก็ยังคงตรวจสอบเพื่อไม่ให้เกิดปัญหานี้ซ้ำอีก

Financial Times รายงานข่าวว่าบริษัท xAI ของ Elon Musk กำลังเดินสายระดมทุนก้อนใหญ่มูลค่า 6 พันล้านดอลลาร์ ที่มูลค่าบริษัท 2 หมื่นล้านดอลลาร์ เพื่อนำเงินทุนมาสู้ศึกกับบริษัท AI รายอื่นๆ อย่าง OpenAI, Microsoft, Google, Anthropic ที่มีทรัพยากรในมือจำนวนมาก

ตามข่าวบอกว่านักลงทุนที่ได้พูดคุยกับ xAI มาจากหลากหลายภูมิภาค เช่น ฮ่องกง ญี่ปุ่น เกาหลีใต้ ตะวันออกกลาง โดยมี Morgan Stanley เป็นธนาคารที่ช่วยประสานงานเจรจากับนักลงทุนให้ ก่อนหน้านี้ Morgan Stanley เคยร่วมลงทุนกับ Elon ในการซื้อ Twitter มาแล้ว

ที่มา - Financial Times

Hugging Face บริษัทแพลตฟอร์มด้านโมเดล AI ประกาศความร่วมมือด้านกลยุทธ์กับ Google Cloud เพื่อให้นักพัฒนาสามารถปรับใช้ทรัพยากรของ Google Cloud กับบริการต่าง ๆ ของ Hugging Face รวมทั้งเทรนโมเดลบน Google Cloud ได้ด้วย

ความร่วมมือนี้มีทั้ง การนำงานวิจัยล่าสุดด้าน AI มาให้ทดสอบสำหรับผู้ใช้งาน Hugging Face และ Google Cloud, ร่วมมือกับพัฒนาไลบรารีและเฟรมเวิร์ก AI แบบโอเพนซอร์ส และเปิดให้สามารถเทรนและดีพลอยโมเดลของ Hugging Face บน Google Kubernetes Engine (GKE) และ Vertex AI ที่มีทรัพยากรฮาร์ดแวร์ประมวลผลขนาดใหญ่รองรับ

ตัวเลือกทั้ง Google Kubernetes Engine (GKE) และ Vertex AI จะมีใน Hugging Face ภายในครึ่งแรกของปี 2024 นี้

LMSYS ผู้จัดอันดับแชตบอทโดยอาศัย Chatbot Arena เป็นการ "ต่อสู้" ระหว่างแชตบอทสองตัวให้ตอบคำถามเดียวกันแล้วให้ผู้ใช้เลือกว่าชอบคำตอบฝั่งใด รายงานผลรอบล่าสุดวันที่ 26 มกราคม 2024 และพบว่า Bard รุ่นที่ใช้ Gemini Pro นั้นแซงหน้า GPT-4 ขึ้นมาเป็นรองเพียง GPT-4 Turbo เท่านั้น

กูเกิลเปิดตัว Gemini โดยระบุว่าทดสอบวงปิดกับผู้ทดอบแล้วว่า Bard รุ่นใหม่นี้เป็นแชตบอทฟรีที่คุณภาพสูงสุดในตลาด ผลการทดลองนี้ก็ดูจะสนับสนุนว่า Gemini ให้ผลโดยรวมที่ดีในภาพรวมจริงๆ

Baidu ประกาศความร่วมมือ นำความสามารถด้าน AI ใส่ใน Samsung Galaxy S24 รุ่นที่ขายในจีน ซึ่งจะใช้แชทบอต Ernie ของ Baidu ที่มีฟีเจอร์ทั้งการแปลภาษาระหว่างสนทนาแบบเรียลไทม์ และฟีเจอร์อื่นเช่น การแปลภาษาและสรุปเนื้อหา Note Assistant

การเข้ามาร่วมมือของ Baidu นี้มีความน่าสนใจ เพราะปัจจุบันในตลาดจีนซัมซุงเป็นสมาร์ทโฟนที่ไม่ติดใน 5 อันดับแรก ขณะที่แอปเปิลเป็นอันดับ 1 ในปีล่าสุด

แชทบอต Ernie ของ Baidu มีรายงานจำนวนผู้ใช้งานเมื่อปลายปีที่แล้วมากกว่า 100 ล้านคน โดยมีคู่แข่ง AI สร้างเนื้อหา จากบริษัทเทคโนโลยีรายใหญ่ในจีนคือ Hunyuan ของ Tencent และ Tongyi Qianwen ของ Alibaba

รัฐบาลสหราชอาณาจักรเสนอแก้ไขกฎหมายควบคุมการขายสุราหรือ Licensing Act จากเดิมหากผู้ขายสงสัยว่าผู้ซื้ออายุครบ 18 ปีหรือไม่จะต้องตรวจบัตรประชาชนทางการเท่านั้น แนวทางใหม่เสนอให้สามารถใช้เทคโนโลยีช่วยยืนยันได้ด้วย 2 แนวทาง

แนวทางแรกคือการใช้บัตรประชาชนดิจิทัลที่กำลังอยู่ระหว่างการพัฒนา ทำให้ผู้ซื้อสุราสามารถยืนยันตัวตนด้วยทางอื่นแทนการยื่นเอกสารโดยตรง

แนวทางที่สอง คือการใช้เทคโนโลยีประมาณอายุมาช่วยตัดสินใจขาย ซึ่งทุกวันนี้ระบบซอฟต์แวร์จดจำใบหน้าจำนวนมากมีระบบนี้อยู่แล้ว

Google Research เปิดตัว Lumiere โมเดล AI สำหรับสร้างวิดีโอขึ้นจาก Prompt ตัวหนังสือ หรือรูปภาพต้นแบบ มีจุดเด่นคือโมเดลทำงาน โดยดูองค์ประกอบในภาพข้อมูลตั้งต้น และสร้างวิดีโอต่อเนื่องขึ้นจากสิ่งเหล่านั้น ทำให้รักษาภาพรวมและสไตล์ไว้ได้มากกว่าโมเดลอื่น

ตัวอย่างวิดีโอที่สร้างขึ้นมาจาก Lumiere มีหลายรูปแบบทั้ง Text-to-Video สร้างคลิปสั้นตามข้อความอินพุท, Image-to-Video ให้รูปภาพตั้งต้นแล้วใส่อินพุทสิ่งที่ต้องการให้ภาพเคลื่อนไหว, Stylized Generation กำหนดภาพรูปแบบตั้งต้น แล้วสร้างผลลัพธ์ตามอินพุทที่ต้องการให้ได้โทนเดียวกัน