Lior Hakim, Co-founder & CTO dari Hour One – Seri Wawancara

Lior Hakim, Co-founder dan Chief Technical Officer dari Hour One, pemimpin industri dalam menciptakan karakter virtual untuk komunikasi video profesional. Karakter virtual yang sangat mirip dengan manusia, yang dimodelkan secara eksklusif setelah orang-orang nyata, menyampaikan ekspresivitas yang mirip dengan manusia melalui teks, memungkinkan bisnis untuk meningkatkan pesan mereka dengan kemudahan dan skalabilitas yang tidak tertandingi.

Apakah Anda dapat membagikan kisah asal Hour One?

Asal-usul Hour One dapat ditelusuri kembali ke keterlibatan saya di domain kripto. Setelah upaya itu, saya mulai memikirkan apa yang akan menjadi hal besar berikutnya yang dapat dimanfaatkan oleh komputasi awan massal, dan karena machine learning sedang mendapatkan popularitas dalam rekomendasi dan analitik prediktif, saya bekerja pada beberapa proyek yang terkait dengan infrastruktur ML. Melalui pekerjaan itu, saya menjadi familiar dengan karya generatif awal dan sangat tertarik dengan GANs pada saat itu. Saya menggunakan semua komputasi yang bisa saya dapatkan untuk menguji teknologi-teknologi baru itu. Ketika saya menunjukkan hasilnya kepada seorang teman yang memiliki perusahaan di bidang itu, dia bilang bahwa saya harus bertemu dengan Oren. Ketika saya bertanya mengapa, dia bilang bahwa mungkin kita berdua akan berhenti membuang-buang waktu dan membuang-buang waktu bersama. Oren, co-founder dan CEO Hour One, adalah investor awal di AI pada saat itu, dan meskipun kita berdiri di tempat yang berbeda, kita berdua bergerak dalam arah yang sama, dan pendirian Hour One sebagai Rumah Virtual Human adalah perjalanan yang tidak terhindarkan.

Apa saja algoritma machine learning yang digunakan, dan apa bagian dari proses yang menggunakan Generative AI?

Di bidang pembuatan video, algoritma machine learning sangat penting di setiap tahap. Pada fase penulisan skrip, Large Language Models (LLMs) menawarkan dukungan yang sangat berharga, menciptakan atau memperbarui konten untuk memastikan narasi yang menarik. Ketika kita beralih ke audio, algoritma Text-to-Speech (TTS) mengubah teks menjadi suara yang alami dan ekspresif. Pada representasi visual, model Multimodal dasar kami dari virtual human menjadi pusat perhatian. Model ini, yang ditingkatkan dengan Generative Adversarial Networks (GANs) dan Variational Autoencoders (VAEs), sangat mahir dalam menyampaikan emosi kontekstual, enunsiasi, dan penyampaian yang menarik dan autentik. Teknik generatif seperti itu mengubah teks dan sinyal audio menjadi visual virtual human yang sangat mirip dengan nyata, menghasilkan output video yang hiper-realistik. Orkestrasi LLMs, TTS, GANs, VAEs, dan model Multimodal kami membuat Generative AI tidak hanya menjadi bagian, tetapi menjadi tulang punggung produksi video modern.

Bagaimana Hour One membedakan diri dari generator video lainnya?

Di Hour One, perbedaan kami dari generator video lainnya tidak berasal dari kekhawatiran akan persaingan, tetapi dari filosofi yang mendalam yang mengatur pendekatan kami terhadap kualitas, desain produk, dan strategi pasar. Prinsip utama kami adalah selalu memprioritaskan elemen manusia, memastikan ciptaan kami bersuara dengan autentik dan emosi. Kami bangga menyajikan kualitas terbaik di industri tanpa kompromi. Dengan menggunakan rendering video 3D yang canggih, kami memberikan pengguna kami pengalaman sinematik yang nyata. Selain itu, strategi kami unik dan beropini; kami memulai dengan produk yang sudah jadi dan kemudian dengan cepat beriterasi menuju kesempurnaan. Pendekatan ini memastikan bahwa penawaran kami selalu satu langkah lebih maju, menetapkan standar baru dalam generasi video.

Dengan latar belakang Anda yang luas di GPU, apakah Anda dapat membagikan beberapa wawasan tentang pandangan Anda terhadap NVIDIA Next-Generation GH200 Grace Hopper Superchip Platform (NVDA )?

Arsitektur Grace Hopper benar-benar sebuah perubahan besar. Jika GPU dapat bekerja secara efektif dari RAM host tanpa terjebak dalam perhitungan, itu membuka rasio model/akselerator yang tidak mungkin dalam pelatihan, dan sebagai hasilnya, fleksibilitas yang sangat diinginkan dalam ukuran pekerjaan pelatihan. Dengan asumsi bahwa seluruh stok GH200 tidak akan ditelan oleh pelatihan LLM, kami berharap dapat menggunakannya untuk sangat mengurangi biaya prototipe untuk arsitektur multimodal kami di masa depan.

Apakah ada chip lain yang saat ini berada di radar Anda?

Tujuan utama kami adalah menyajikan konten video yang kompetitif dari segi harga. Mengingat permintaan akan GPU dengan memori besar saat ini, kami terus-menerus mengoptimalkan dan mencoba setiap penawaran GPU cloud di penyedia layanan cloud teratas. Selain itu, kami berusaha untuk setidaknya sebagian independen dari platform dalam beberapa pekerjaan kami. Oleh karena itu, kami sedang memantau TPUs dan ASIC lainnya, serta memperhatikan AMD dengan sangat dekat. Pada akhirnya, setiap rute optimasi yang dipimpin oleh perangkat keras yang dapat menghasilkan rasio FLOPs/$ yang lebih baik akan dieksplorasi.

Apa visi Anda untuk kemajuan masa depan dalam generasi video?

Dalam 24 bulan, kita tidak akan dapat membedakan antara manusia yang dihasilkan dan yang ditangkap. Itu akan mengubah banyak hal, dan kita berada di garis depan kemajuan-kemajuan tersebut.

Saat ini, sebagian besar video yang dihasilkan adalah untuk komputer dan perangkat mobile, apa yang perlu berubah sebelum kita memiliki avatar dan dunia yang dihasilkan secara foto-realistik untuk realitas tertambah dan virtual?

Saat ini, kita memiliki kemampuan untuk menghasilkan avatar dan dunia yang foto-realistik untuk realitas tertambah (AR) dan virtual (VR). Hambatan utama adalah latensi. Sementara penyampaian grafis berkualitas tinggi dan waktu nyata ke perangkat tepi seperti headset AR dan VR sangat penting, mencapai hal ini dengan mulus bergantung pada beberapa faktor. Pertama dan terutama, kita bergantung pada kemajuan dalam manufaktur chip untuk memastikan pemrosesan yang lebih cepat dan efisien. Bersamaan dengan itu, mengoptimalkan konsumsi daya sangat penting untuk memastikan penggunaan yang lebih lama tanpa mengorbankan pengalaman. Terakhir, kita mengharapkan terobosan perangkat lunak yang dapat secara efisien menjembatani kesenjangan antara generasi dan rendering waktu nyata. Ketika elemen-elemen ini berkumpul, kita akan melihat peningkatan dalam penggunaan avatar dan lingkungan yang foto-realistik di seluruh platform AR dan VR.

Apa yang Anda harapkan sebagai kemajuan besar berikutnya dalam AI?

Ketika kita berbicara tentang kemajuan besar berikutnya dalam AI, selalu ada suasana kegembiraan dan antisipasi. Sementara saya telah menyebutkan beberapa kemajuan sebelumnya, apa yang bisa saya bagikan adalah bahwa kita secara aktif bekerja pada beberapa inovasi yang sangat penting saat ini. Saya ingin membahas detailnya, tetapi untuk sekarang, saya sarankan semua orang untuk terus memantau rilis-rilis mendatang kami. Masa depan AI menjanjikan banyak hal, dan kita sangat gembira untuk berada di garis depan upaya-upaya perintis ini. Tetap terhubung!

Apakah ada hal lain yang ingin Anda bagikan tentang Hour One?

Anda harus memeriksa saluran discord kami dan API, tambahan baru pada penawaran platform kami di Hour One.