2026 February

Suno i Udio — sažeta analiza tehnologije, mogućnosti i implikacija Suno Opis – Suno je sustav za generiranje glazbe potpomognut dubokim učenjem koji omogućuje stvaranje glazbenih zapisa iz tekstualnih ili kratkih audio uputa. Cilj mu je omogućiti brzo prototipiranje melodija, aranžmana i produkcijskih ideja bez potrebe za ručnim komponiranjem svakog elementa. Tehnologija i način rada… read more »

Sažetak ElevenLabs je tvrtka specijalizirana za sintezu govora temeljenu na dubokim neuronskim mrežama. Njihova rješenja omogućuju generiranje prirodnog, izražajnog govora iz teksta, kreiranje prilagođenih glasova te integraciju putem web sučelja i programskog sučelja (API). Proizvodi su namijenjeni izdavaštvu, igrama, proizvodnji sadržaja, pristupačnosti i poslovnim aplikacijama. Tehnologija i načelo rada – Pipeline: tipičan sustav za sintezu… read more »

Sažetak Sora je model za generiranje i uređivanje videozapisa koji je razvio OpenAI. Namijenjen je pretvaranju tekstualnih opisa u video sadržaj i fleksibilnom uređivanju postojećih snimaka pomoću tekstualnih ili vizualnih uputa. Predstavlja nastavak trenda velikih modela za generativni video koji kombiniraju tehnike za prostorno-vremensko modeliranje i kontrole izlaza. Značajke – Generiranje iz teksta: pretvara tekstualne… read more »

Sažetak ——- DALL·E 3 je generativni model za stvaranje slika kojeg je OpenAI predstavio u listopadu 2023. Nasljednik je DALL·E 2 i donosi značajna poboljšanja u razumijevanju složenih tekstualnih uputa, vjernijem prikazu detalja (uključujući tekst unutar slike) te u sposobnosti produciranja kompozicija s poboljšanom anatomijom, perspektivom i sklapanjem elemenata. Model je dizajniran za rad u… read more »

Opis Midjourney je komercijalni alat za generiranje slika iz teksta koji radi kroz nalogovan interfejs (najpoznatije putem Discord bota) te dodatne web i API opcije. Namijenjen je stvaranju vizualnog sadržaja na temelju tekstualnih opisa, stilskih uputa i uzoraka slike. Cilj mu je omogućiti brzu iteraciju vizualnih ideja za dizajnere, umjetnike i profesionalce u kreativnim industrijama…. read more »

## Sažetak Stable Diffusion je skup generativnih modela za stvaranje slika iz tekstualnih opisa temeljen na pristupu latentne difuzije. Prvi veći javni izdanci pojavljeni su 2022. godine kao open-source projekt u suradnji Stability AI, istraživača iz CompVis-a i LAION-a. Model je brzo postao široko korišten zbog kombinacije kvalitete rezultata, fleksibilnosti i dostupnosti za lokalno izvođenje… read more »