13. lapszám · nov. 2–8. 2026Kiadások · Fogalomtár · Archívum · Módszer · RSS · HU / ENG

Az AI-korszak hírei, hetente válogatva

Fogalomtár › Generatív média

generatív média

angolul: generative media

alapelterjedt

Olyan kép, videó, hang vagy zene, amelyet nem kamera vagy mikrofon rögzített, hanem mesterséges intelligencia állított elő, többnyire szöveges utasítás alapján.

Érthetően

A generatív média gyűjtőnév: minden olyan kép, videó, beszédhang, zene vagy 3D-s modell ide tartozik, amelyet egy MI-modell hozott létre. Nem felvétel készül, hanem a gép a kérésed alapján „megrajzolja” vagy „megszólaltatja” a tartalmat.

Képzelj el egy rendkívül gyors illusztrátort, aki több százmillió képet és filmet látott már. Többnyire nem másol ki egyet a látottak közül, hanem a megtanult mintákból újat rak össze, bár ritkán előfordul, hogy egy sokszor látott képet szinte változatlanul ad vissza. Ha azt kéred, „vizsla űrhajósruhában a Balaton partján”, pár másodperc alatt elkészül.

Arra jó, hogy drága forgatás, stúdió vagy grafikus nélkül is legyen illusztrációd, reklámvideód, aláfestő zenéd vagy felolvasott szöveged. A hagyományos szerkesztőprogramok meglévő felvételt alakítanak át, itt viszont a nyersanyag is a gépből jön.

Ugyanez a képesség a veszélye is: megtévesztően élethű hamis felvétel is készíthető vele, akár valódi emberek arcával és hangjával.

Hogyan működik

  1. Tanítás: a modell rengeteg képet, videót vagy hangfelvételt kap a hozzájuk tartozó leírásokkal, és megtanulja, milyen szavakhoz milyen formák, színek, mozgások és hangzások tartoznak.
  2. Utasítás: te megadod, mit szeretnél. Ez többnyire szöveg (prompt), de lehet mintakép, vázlat vagy hangminta is.
  3. Előállítás: a legtöbb kép- és videókészítő modell véletlenszerű „zajból” indul, és sok apró lépésben addig tisztítja, amíg a leírásodnak megfelelő tartalom ki nem rajzolódik. Ezt hívják diffúziónak. A beszéd- és zenemodellek, valamint néhány újabb képmodell más módszerrel, darabról darabra építi fel a tartalmat.
  4. Finomítás: az eredményt újabb utasításokkal javíthatod, kérhetsz például más hátteret vagy lassabb kameramozgást, és több változat közül választhatsz.
  5. Jelölés: a komolyabb szolgáltatások láthatatlan vízjelet vagy eredetadatot tesznek a fájlba, hogy később kimutatható legyen a gépi eredet.

Példa a mindennapokból

Görgeted a közösségi oldalt, és egy megható videót látsz egy kisfiúról, aki egy medvebocsot ölelget az erdőben. A felvétel soha nem történt meg: valaki egyetlen mondatból készíttette egy videógenerálóval. Ugyanez a technológiacsalád olvashatja fel a hangoskönyvedet, és készítheti el a webáruház termékfotójának hátterét.

Kit érint

mindenkiNaponta látsz és hallasz gépi tartalmat, ezért egy kép vagy videó önmagában már nem bizonyítja, hogy valami megtörtént.
marketingesKampányképet, reklámvideót és szinkronhangot a korábbi idő és költség töredékéért készíthetsz, de a jelölésért és a jogtisztaságért te felelsz. → Marketing
szülő, diák, tanárA gyerekek maguk is készítenek ilyen tartalmat, és áldozatai is lehetnek hamisított képeknek, ezért a forráskritika alapkészséggé vált. → Oktatás és család
jogász, állampolgárEz a technológia új helyzet elé állítja a szerzői jogot, a képmáshoz és a hanghoz fűződő jogot, valamint a választási dezinformáció elleni védekezést. → Jog

Gyakori félreértés

TévhitA gép által készített képet vagy videót mindig le lehet leplezni, elég megszámolni az ujjakat.
ValójábanA korai árulkodó hibák nagyrészt eltűntek, a mai tartalmat szabad szemmel gyakran nem lehet megkülönböztetni a valóditól. Megbízhatóbb, ha a forrást és a szövegkörnyezetet ellenőrzöd.

Korlátok és kockázatok

Hasonló, de nem ugyanaz

Kapcsolódó fogalmak

Tágabb

generatív MI, mesterséges intelligencia, szintetikus tartalom

Szűkebb

képgenerálás, videógenerálás, hangklónozás, zenegenerálás, deepfake

Rokon

diffúziós modell, prompt, multimodális modell, vízjelezés, tartalomeredet-igazolás

Röviden a története

A mai generatív média egyik kiindulópontja a 2014-ben bemutatott generatív versengő hálózat (GAN). Az első változat még csak apró, elmosódott képeket készített, a továbbfejlesztett változatok viszont a 2010-es évek végére már meggyőző mesterséges arcképeket állítottak elő. A széles közönséghez 2022-ben jutott el, amikor megjelentek a szövegből képet készítő, bárki által kipróbálható szolgáltatások, például a Midjourney, a Stable Diffusion és a DALL·E 2.

Hol tart most

2026 végére a kép-, hang- és zenegenerálás hétköznapi eszköz lett, beépült a telefonokba, az irodai és a tervezőprogramokba, és a hanggal együtt készülő rövid videók is tömegesen terjednek. Az EU MI-rendeletének 2026 augusztusától fokozatosan alkalmazandó átláthatósági szabályai előírják a gépi tartalom jelölését és a deepfake-ek feltüntetését, de a gyakorlati megvalósítás és a szerzői jogi viták még nem zárultak le.

Állapot: 2026. november

A hírekben

8 Agent Age-sztoriban fordul elő; a görbe a hírmagazin heti előfordulása.

Más nevei

generatív média · generative media · MI-generált tartalom · AI-generált tartalom · szintetikus média · synthetic media · AI-generated content · AIGC

Források

A szócikk gépi szerkesztéssel készült és gépi szakmai lektoráláson ment át; a „hírekben” rész az Agent Age sztorijaiból automatikusan frissül.