Goku AI es un nuevo modelo de inteligencia artificial entrenado para poder generar vídeo a partir del texto. Viene a ser algo como las IA que generan imágenes, tú le dices lo que quieres que aparezca en el vídeo, y esta IA generará uno desde cero.

Este modelo es completamente revolucionario por dos cosas. La primera es por la increíble calidad de sus resultados. La IA de creación de vídeos todavía no ha llegado al gran público, y hemos ido viendo cómo pasan de resultados mediocres a unos realistas. Esta IA se posiciona entre las más realistas en lo que se puede generar con ella.

Pero lo más disruptivo es que nuevamente se trata de un modelo de código abierto disponible para todos en Github. Igual que con otros como DeepSeek, esto quiere decir que cualquiera puede acceder a ella y replicarla, y también se podrá usar su código para instalarse gratis en dispositivos.

Eso sí, actualmente no hay modelos destilados de Goku que se puedan usar en ordenadores normales, y el modelo completo necesita de unas GPU muy potentes y de conocimientos técnicos para instalarse. Aun así, pronto deberíamos ver la llegada de modelos destilados que puedas usar con alguna de las herramientas gratis para instalar una IA en tu ordenador.

Pero vamos, para que te hagas a la idea, hasta ahora los modelos de inteligencia artificial más populares eran cerrados y solo se podían usar pagando. Mientras, Goku llega en esta nueva oleada de IA china con modelos de código abierto que pueden utilizarse gratis.

¿Cómo funciona Goku AI?

Este modelo de inteligencia artificial funciona como un modelo de generación de vídeo basado en el flujo y alimentado por un Transformador de Flujo Rectificado o (RTF), que ayuda a mejorar su calidad y la eficacia. Con esta tecnología puede ir afinando las imágenes y cada fotograma del vídeo progresivamente, haciendo que las transiciones de movimientos sean suaves y tengan una alta fidelidad visual.

El proceso de creación de vídeo empieza cuando un usuario le escribe en formato de texto lo que quiere ver, o incluso cuando comparte imágenes. Entonces, el modelo entiende lo que le estás pidiendo con tu lenguaje natural y convierte estos elementos en representaciones estructuradas.

Luego usa una dinámica de flujo rectificada para mejorar la interpolación de fotogramas, reducir el ruido, y tratar de garantizar una buena continuidad. Como paso final, Goku sintetiza secuencias de vídeo coherentes con transiciones fluidas.

En cuanto a sus tecnologías, el RFT permite mantener una buena calidad minimizando la carga computacional del proceso. El proceso también usa un renderizado neural con el que garantizar que el vídeo generado tenga movimientos realistas y transiciones fluidas, y que no haya resultados grotescos.

También se usa una arquitectura basada en transformadores para modelar las  dependencias temporales en las secuencias de vídeo. Con todo esto, los vídeos resultantes deberían ser muy realista, e incluso se pueden animar imágenes estáticas.

Qué puede hacer esta IA

La principal función que se puede esperar de esta IA es la posibilidad de generar vídeos a partir de texto. Tú le escribes lo que quieres que tenga el vídeo, y generará un vídeo animado con movimientos naturales y entornos realistas de la nada.

También puede usarse para convertir imágenes en clips animados. Tú le podrás dar una imagen que analizará y entenderá, y luego le describirás lo que quieres que genere a partir de ella y te hará una animación.

Esto puede ser una auténtica revolución en muchos ámbitos, porque las personas resultantes son realistas, los efectos de la ropa y texturas también lo son, y los objetos se mueven con normalidad. Todo lo que se te ocurra lo podrás pedir, y como será de código abierto es lógico pensar que tendrá menos restricciones.