Pierwszy model zamiany tekstu na wideo OpenAI jest już dostępny, ale nie można go używać
Sztuczna inteligencja Sora do przetwarzania tekstu na wideo może stać się prawdziwym produktem. A może nie.
OpenAI prezentuje Sorę, swój pierwszy generatywny model sztucznej inteligencji przekształcający tekst na wideo. Sora może zamienić prosty komunikat tekstowy lub obraz w minutę filmu o wysokiej rozdzielczości. Może także „rozszerzać” lub wstawiać klatki do istniejących filmów. Jednak OpenAI wciąż podejmuje decyzję, czy zaoferować Sorę jako produkt.
Nie jest to pierwsza sztuczna inteligencja przekształcająca tekst na wideo, ale może robić największe wrażenie. Filmy generatywne z Google i Meta są w niskiej rozdzielczości, przerywane i potwornie koszmarne. Tymczasem model Sora generuje wideo w rozdzielczości 1080p z płynną liczbą klatek na sekundę, a jego sygnał wyjściowy można pomylić z prawdziwym wideo.
Wczesne przykłady twórczości Sory są dostępne na stronie internetowej OpenAI. Na podstawie tych przykładów widać, że sztuczna inteligencja dobrze rozumie proporcje ludzkiego ciała, fotorealistyczne oświetlenie i kreatywne zdjęcia. Sora potrafi także dobrze rysować realistyczne zwierzęta i potrafi imitować niedoskonałości starego filmu.
Oczywiście twórczość Sory jest daleka od doskonałości. Wszystkie jego obiekty mają dziwną nieważkość, a jeśli przyjrzysz się uważnie, znajdziesz kilka charakterystycznych dziwactw związanych z generowaniem obrazów AI. OpenAI przyznaje, że Sora może zostać trafiona lub chybiona, i podaje kilka „złych” przykładów wyników sztucznej inteligencji, w tym film przedstawiający mężczyznę biegnącego do tyłu na bieżni.
Model Sora charakteryzuje się „głębokim zrozumieniem języka” i potrafi w swoich wypowiedziach „wyrażać żywe emocje”. Jednak Sora nie wymaga długiego ani skomplikowanego podpowiedzi. Niektóre przykłady dostarczane przez OpenAI opierają się na podpowiedziach otwartych, składających się z jednego zdania. Nie różni się to zbytnio od funkcji generowania obrazów ChatGPT.
Niestety OpenAI nie pokazało możliwości Sory w zakresie przetwarzania obrazu na wideo. Jesteśmy również ciekawi funkcji AI związanych z przedłużaniem wideo i wstawianiem klatek - jeśli te funkcje będą skuteczne, Sora może stać się przydatnym narzędziem do edycji lub przywracania wideo.
Niewiele wiemy też o danych treningowych Sory. OpenAI twierdzi, że wykorzystało około 10 000 godzin „wysokiej jakości” wideo, ale to wszystko. Więcej informacji może zostać ujawnionych w białej księdze OpenAI Sora, która zostanie opublikowana pod koniec stycznia.
W każdym razie Sora musi pokonać kilka przeszkód, zanim stanie się prawdziwym produktem. OpenAI konsultuje się z „decydentami, edukatorami i artystami”, aby lepiej zrozumieć obawy opinii publicznej. Współpracuje także z ekspertami, którzy mogą zmierzyć potencjał Sory w zakresie „dezinformacji, treści nienawistnych i uprzedzeń”. Jeśli OpenAI zdecyduje się upublicznić Sorę, wynikom sztucznej inteligencji będą towarzyszyć metadane C2PA w celu łatwiejszej identyfikacji.
Źródło: OpenAI