AI inom underhållning avser användning av AI inom film, musik, spel, streaming och media. Typiska tillämpningar är rekommendationssystem som föreslår innehåll efter smak, stöd vid redigering, visuella effekter och dubbning, genererade spelvärldar eller karaktärer samt musik- och bildgenerering. Samtidigt väcker det frågor om upphovsrätt, medverkandes samtycke och deepfakes. Exempel: en streamingplattform anpassar startskärmen för varje profil.
Generativ AI avser AI-system som skapar nytt innehåll – text, bilder, ljud, video eller programkod – i stället för att bara sortera eller bedöma befintliga data. De bygger på modeller som lär sig mönster ur stora datamängder och använder dem för att ta fram rimliga nya resultat. I företag används det till exempel för att skriva utkast till e-postmeddelanden, sammanfattningar, produktbeskrivningar eller bildidéer. Resultaten kan innehålla fel och bör kontrolleras före användning.
En deepfake är en bild, video eller ljudinspelning som skapats eller förändrats med AI och på ett övertygande sätt visar verkliga personer som säger eller gör saker som aldrig har hänt. Vid sidan av legitima användningar inom film eller dubbning används deepfakes för desinformation, skadat anseende och bedrägerier – till exempel falska samtal från en påstådd chef som begär en banköverföring. Skydd är återuppringning via kända kanaler, tydliga godkännandeprocesser och märkning av AI-genererat innehåll.
Stable Diffusion är en familj av bildgenereringsmodeller som skapar bilder utifrån en textbeskrivning. Den första versionen släpptes 2022 och utvecklades under ledning av Stability AI tillsammans med forskningspartner. Tekniskt är det en latent diffusionsmodell som gradvis förvandlar bildbrus till en bild. Eftersom modellens vikter är publicerade kan den köras och anpassas lokalt; kommersiell användning av nyare versioner regleras av Stability AI:s egen licens (läget i oktober 2026).
Text-till-tal omvandlar skriven text till talat språk och är motsvarigheten till taligenkänning (tal till text). Moderna system använder neurala nätverk för att skapa naturligt klingande röster med lämplig intonation. TTS används i telefonmeddelanden, navigeringsenheter, uppläsningsfunktioner för tillgängliga webbplatser och röstassistenter.
