Cartwheel พัฒนาภาพเคลื่อนไหวของตัวละครโดยใช้ Gemini API

Cartwheel เป็นผู้นำด้านภาพเคลื่อนไหวรุ่นถัดไป โดยให้บริการแพลตฟอร์มที่รับอินพุตเป็นภาษาธรรมชาติ (เช่น "jump" "salsa dance spin") ควบคุมการกระทำของตัวละครโดยตรง นวัตกรรมนี้ช่วยปรับปรุงวิธีสร้างภาพเคลื่อนไหวสำหรับวิดีโอ เกม โฆษณา และโซเชียลมีเดียของครีเอเตอร์ Cartwheel ผสานรวม Imagen 3 เพื่อการออกแบบข้อความเป็นตัวละครที่ใช้งานง่าย รวมถึงใช้ประโยชน์จาก Gemini 2.5 Pro Preview เพื่อพัฒนาอัลกอริทึมเฉพาะสำหรับภาพเคลื่อนไหวที่ซับซ้อน สำรวจโค้ดเบสที่ซับซ้อน และเร่งการเพิ่มประสิทธิภาพแพลตฟอร์ม ซึ่งช่วยให้ผู้ใช้ขยายการเล่าเรื่องอย่างสร้างสรรค์ได้

การพัฒนาแพลตฟอร์มภาพเคลื่อนไหวล้ำสมัยไม่เพียงต้องใช้เครื่องมือออกแบบที่ใช้งานง่ายเท่านั้น แต่ยังต้องใช้นวัตกรรมอย่างต่อเนื่องในอัลกอริทึมแบ็กเอนด์และการจัดการโค้ดเบสที่มีประสิทธิภาพ Cartwheel พบปัญหาในการสร้างต้นแบบและใช้งานฟีเจอร์ภาพเคลื่อนไหวที่ซับซ้อนอย่างรวดเร็ว การเพิ่มประสิทธิภาพโค้ดฐานขนาดใหญ่เพื่อประสิทธิภาพ และช่วยให้นักพัฒนาซอฟต์แวร์เข้าใจและมีส่วนร่วมกับระบบขนาดใหญ่ได้อย่างรวดเร็ว ทีมต้องการพาร์ทเนอร์ AI ที่มีประสิทธิภาพเพื่อเร่งการพัฒนา

Cartwheel ใช้ Gemini API เพื่อปรับปรุงไปป์ไลน์การสร้างที่แสดงต่อผู้ใช้และเพื่อช่วยเหลือกระบวนการพัฒนาภายใน

• การสร้างตัวละครด้วย AI ด้วย Imagen 3: Cartwheel ผสานรวมความสามารถการแปลงข้อความเป็นรูปภาพของ Imagen 3 ซึ่งช่วยให้ครีเอเตอร์ใช้พรอมต์ข้อความเพื่อสร้างแนวคิดและสร้างภาพตัวละครที่ไม่เหมือนใครได้โดยตรงภายในแพลตฟอร์ม ตัวละครที่ออกแบบเองเหล่านี้สามารถเคลื่อนไหวโดยใช้ภาษาที่เป็นธรรมชาติ จากนั้นส่งออกแบบมีการควบคุมการเคลื่อนไหวอย่างเต็มรูปแบบและพร้อมใช้งานในซอฟต์แวร์แก้ไข 3 มิติมาตรฐานอุตสาหกรรม เช่น Maya หรือ Blender ซึ่งช่วยให้ผสานรวมเข้ากับสภาพแวดล้อมการผลิตระดับมืออาชีพได้
• การช่วยพัฒนาและเพิ่มประสิทธิภาพด้วย Gemini 2.5 Pro Preview: ทีม Cartwheel ใช้ Gemini 2.5 Pro Preview ภายในเพื่อรองรับเวิร์กโฟลว์ด้านวิศวกรรมและการวิจัย ดังนี้
  • การพัฒนาอัลกอริทึม: ตัวอย่าง Gemini 2.5 Pro นำมาใช้เพื่อช่วยพัฒนาฟีเจอร์เฉพาะสำหรับภาพเคลื่อนไหว ซึ่งรวมถึงอัลกอริทึมสำหรับภาพเบลอจากการเคลื่อนไหวเพื่อสังเคราะห์ข้อมูล พีระมิด Laplacian สำหรับการผสม และ IK (Inverse Kinematics) อัตโนมัติสำหรับการโพสท่าในโปรแกรมแก้ไข
  • การสํารวจและการแก้ไขข้อบกพร่องโค้ด: ทีมใช้ Gemini 2.5 Pro Preview เพื่อสํารวจฐานโค้ดที่ซับซ้อน สร้างแนวคิดสําหรับการทดสอบใหม่ และช่วยแก้ไขข้อบกพร่องกรณีขอบได้อย่างมีประสิทธิภาพ เช่น ข้อผิดพลาดในการหมุนกล้องที่ซับซ้อน
  • ใช้ประโยชน์จากบริบทแบบยาวสําหรับการดําเนินการกับโค้ดเบส: ความสามารถของบริบทแบบยาวของ Gemini 2.5 Pro Preview ใช้ในการดําเนินการกับโค้ดเบสทั้งหมดของ Cartwheel ซึ่งจะช่วยให้นักพัฒนาแอปสามารถนําโค้ดเบสใหม่ (เช่น ฟรอนต์เอนด์) มาใช้ในบริบทเพื่อช่วยเพิ่มฟีเจอร์หรือถามคําถามระดับสูงเกี่ยวกับสถาปัตยกรรมและฟังก์ชันการทํางานของระบบได้

Cartwheel ใช้ Gemini 2.5 Pro Preview เพื่อช่วยในการพัฒนาอัลกอริทึม การสํารวจโค้ด และการแก้ไขข้อบกพร่อง โดยมีเป้าหมายเพื่อปรับปรุงกระบวนการพัฒนาและเร่งการเพิ่มประสิทธิภาพแพลตฟอร์ม การผสานรวม Imagen 3 ช่วยให้ผู้ใช้สร้างภาพตัวละครจากข้อความได้อย่างรวดเร็ว ขณะที่ Gemini 2.5 Pro Preview เป็นเครื่องมือที่จะช่วยนักพัฒนาซอฟต์แวร์สร้างเทคโนโลยีพื้นฐาน การผสานรวมเหล่านี้สอดคล้องกับเป้าหมายของ Cartwheel ในการทำให้เวิร์กโฟลว์ภาพเคลื่อนไหวทำงานได้เร็วขึ้นและเข้าถึงได้ง่ายขึ้น ซึ่งช่วยให้ใช้ฟีเจอร์ต่างๆ ได้ดังนี้

• เร่งการสร้างชิ้นงานสำหรับเกมและวิดีโอ ซึ่งช่วยให้ทีมมุ่งเน้นที่การออกแบบหลักได้
• อำนวยความสะดวกในการสร้างเนื้อหาการตลาดและโซเชียลมีเดียอย่างมีประสิทธิภาพ

การผสานรวม Imagen 3 กับ Gemini 2.5 Pro Preview ของ Cartwheel แสดงให้เห็นว่า AI ของ Google สามารถนำไปใช้เพื่อเปิดใช้ฟีเจอร์ใหม่ๆ ที่แสดงต่อผู้ใช้ และช่วยงานพัฒนาที่ซับซ้อนซึ่งจําเป็นต่อการสร้างเครื่องมือรุ่นถัดไปได้อย่างไร

ดูเอกสารประกอบเกี่ยวกับ Gemini API, ดูข้อมูลเกี่ยวกับ Imagen 3 และเริ่มต้นใช้งานใน Google AI Studio

Cartwheel เป็นผู้เข้าร่วมในกองทุนเพื่ออนาคตด้าน AI ของ Google ซึ่งลงทุนและทำงานร่วมกับสตาร์ทอัพที่มีความทะเยอทะยานในการสร้างเทคโนโลยี AI ใหม่ๆ