Bewerk Dossier: DOSP-VHR-007657

Titel

Enhanced Description

Cleaned Description

Situering

De recente opkomst van General World Models (GWM’s), een nieuw type AI-modellen, brengt een ingrijpende transformatie teweeg in de audiovisuele sector (AV). Deze technologie levert indrukwekkende resultaten voor video-, 2D- en 3D-content en overtreft eerdere AI-toepassingen binnen de Large Language Models en text-to-image algoritmes, die werden beperkt door inconsistentie en lage kwaliteit. Met GWM’s is het nu mogelijk om volledig AI-gegenereerde video, 2D-animatie en 3D-werelden binnen enkele seconden te creëren. Tools zoals Sora, VEO2, Genie2 en World Labs illustreren het innovatieve potentieel van deze technologie.

Onze werkveldbevragingen en focusgroepen rond dit topic (118 bedrijven) geven aan dat Vlaamse bedrijven in de AV-sector onvoldoende voorbereid zijn op deze technologische verschuiving. De integratie van GWM’s vraagt niet alleen om een fundamentele herziening van productieprocessen en workflows, maar ook om nieuwe vaardigheden, infrastructuur en richtlijnen. Daarnaast is er behoefte aan praktische begeleiding om drempels, zoals kosten en technische complexiteit, te overwinnen. Zonder urgente aanpassingen zullen Vlaamse bedrijven onverbiddelijk achterop raken in een steeds competitievere internationale markt.

Toch biedt deze technologische evolutie niet alleen uitdagingen, maar ook enorme kansen. Door de efficiëntie en kwaliteit van producties te verhogen, kunnen Vlaamse bedrijven zich internationaal sterker positioneren in het competitieve audiovisuele landschap. Bovendien openen GWM’s de deur naar nieuwe toepassingen, zoals AI-avatars die dankzij verbeterd geheugen en sociale interacties geavanceerde en meeslepende ervaringen kunnen creëren. Dit maakt niet alleen betere content mogelijk, maar stimuleert ook innovatie binnen de sector en nieuwe economische kansen voor Vlaanderen.

Met dit project zullen AP Hogeschool en UGent hun expertise bundelen en de Vlaamse AV-sector ondersteunen bij het begrijpen en integreren van GWM-technologie. Door praktijkgericht onderzoek, richtlijnen en hands-on begeleiding bieden we bedrijven inspiratie, tools en strategische kennis die nodig zijn om de meerwaarde van GWM’s te benutten en de AV-sector klaar te stomen voor de toekomst.

Algemeen doel

Dit TETRA-project over General World Models (GWM’s) ondersteunt de audiovisuele sector bij fundamentele veranderingen in productieprocessen door AI. Via werkveldbevragingen, focusgroep en gesprekken (118 deelnemers) hebben we de belangrijkste noden van de AV-sector geïdentificeerd, waarop dit project focust.

Geen R&D-afdeling (WP1): Kleine Vlaamse kmo’s hebben vaak geen tijd of middelen voor eigen onderzoek naar GWM’s. Hierdoor missen ze de mogelijkheid om snel te innoveren.

Weinig POC’s gericht op workflow AV-sector (WP2): De bedrijven hebben nood aan toekomstgerichte use cases (POC’s) en bijhorende workflows die het productieproces optimaliseren dankzij GWM en ervoor zorgen dat deze bedrijven over vijf jaar nog steeds competitief en innovatief zijn.

Drempels wegwerken (WP3): Bedrijven willen AI-tools integreren in hun bestaande processen, zoals Content Management Systemen (CMS). De hoge kosten van cloudgebaseerde AI-tools en de privacy-uitdagingen rond eigen data vormen ook een grote drempel voor kmo’s. Lokale tools bieden een alternatief, maar vereisen investeringen in infrastructuur die niet voor elk bedrijf haalbaar zijn.

Lage AI-geletterdheid (WP4): AI-kennis is vaak geconcentreerd bij een klein aantal medewerkers, wat risico’s oplevert bij vertrek en de adoptie van AI-tools belemmert. Bedrijven benadrukken de noodzaak van transparantie over AI-toepassingen, bredere kennisdeling en het voorkomen van juridische risico’s, zoals schendingen van auteursrechten.

Concrete doelen

Radarfunctie (WP1): Dit project filtert de nieuwste ontwikkelingen rond GWM-modellen: recente evoluties, best practices en relevante use cases voor de productiefase.

Proof of concepts (WP2): Bedrijven verkiezen POC’s gericht op drie domeinen: videoproductie, animatie en embodied avatars. Deze POC’s bieden AV-bedrijven een kritische blik op de huidige workflows en laten zien hoe GWM’s hun workflows kunnen optimaliseren en vernieuwen.

Richtlijnen voor AV-sector (WP3): Praktische richtlijnen en Creative Sandbox (GPU-cluster AP) helpen kmo’s om GWM’s duurzaam te integreren (incl. kostenschatting en experiment met lokale tools).

Disseminatie en kennisoverdracht (WP4): Kennis over GWM’s wordt breed verspreid via events, workshops, publicaties, projectwebsite en communicatie met bedrijven via een online platform.

Succesindicatoren/KPI’s:

KPI 1: het aantal tijdens de projectuitvoering geïdentificeerde unieke ondernemingen & non-profit organisaties die aangeven de kennis van het TETRA-project te zullen toepassen: 40 (na 1j) en 60 (na 2j).

KPI 2: het aantal gedocumenteerde validaties (5 POC’s + 5 studentenprojecten; zie WP2) die bruikbaar zijn om de kennis beter te verspreiden: 5 (na 1j) en 10 (na 2j).

KPI 3: het aantal studenten dat AP Hogeschool en UGent op een actieve en passieve manier willen betrekken bij dit TETRA-project: 700 (na 1j) en 1.400 studenten (na 2j).

KPI 4: het aantal communicatie-uitingen over dit TETRA-project (o.a. events, workshops, blogposts en publicaties): 20 (na 1j) en 40 (na 2j).

Cleaned Result Description

Start Date

End Date