OpenAI je najavio novi model AI Sora, koja je sposobna generirati video zapise visoke definicije u trajanju do jedne minute na osnovu tekstualnih upita. Sora, što na japanskom znači "nebo", uskoro neće biti dostupna široj javnosti, ali će je kompanija objaviti maloj grupi naučnika i istraživača koji će procijeniti štetu i potencijal za zloupotrebu.
„Sora je sposobna da generiše složene scene sa više likova, specifičnim tipovima pokreta i preciznim detaljima o objektima i pozadini“, navodi se na veb lokaciji kompanije. "Model razumije ne samo ono što je korisnik pitao u promptu, već i kako te stvari postoje u fizičkom svijetu."
Jedan video koji je napravio Sora prikazuje par koji šeta snježnim Tokijem sa cvjetovima trešnje i snježnim pahuljama koje se kovitlaju oko njih, dok drugi prikazuje vunaste mamute realističnog izgleda kako hodaju kroz snijegom prekrivenu livadu u pozadini snježnih planinskih lanaca.
Predstavljamo Soru, naš model pretvaranja teksta u video.
Sora može kreirati video zapise do 60 sekundi s vrlo detaljnim scenama, složenim pokretima kamere i više likova sa živim emocijama. https://t.co/7j2JN27M3W
Upozorenje: “Prelijepo, snježno… slikatwitter.com/ruTEWn87vf
- OpenAI (@OpenAI) Februar 15, 2024
OpenAI kaže da model radi sa “dubokim razumijevanjem jezika” koje mu omogućava da tumači tekstualne naznake. Međutim, kao i gotovo svi AI generatori slika i video zapisa, Sora nije savršena. OpenAI također upozorava da modelu može biti teško dati uzrok i posljedicu – na primjer, može generirati video osobe koja jede kolačić, ali možda neće imati tragove ugriza.
Sora nije prvi model konverzije teksta u video. Druge kompanije, uključujući Metu, Google i Runway, ili su nagovijestili alate za pretvaranje teksta u video ili su ih učinili javno dostupnim. Međutim, nijedan drugi alat trenutno ne može generirati video od 60 sekundi. Sora također generiše čitave video zapise odjednom, umjesto da ih prikuplja kadar po kadar kao kod drugih modela, tako da objekti u videu ostaju netaknuti čak i kada privremeno nestanu iz vidokruga.
Uputa: „Nekoliko džinovskih vunastih mamuta se približavaju gazeći kroz snježnu livadu, njihovo dugo vunasto krzno lagano puše na vjetru dok hodaju, snijegom prekriveno drveće i dramatične planine prekrivene snijegom u daljini, srednje popodnevno svjetlo s oblacima i sunce visoko u udaljenost… slikatwitter.com/Um5CWI18nS
- OpenAI (@OpenAI) Februar 15, 2024
Pojava alata za pretvaranje teksta u video izazvala je zabrinutost oko njihovog potencijala da lakše kreiraju lažne video zapise realističnog izgleda. A generativna AI u širem smislu izazvala je reakciju umjetnika i kreativnih radnika, zabrinutih da bi ih tehnologija potencijalno mogla zamijeniti.
OpenAI rekao je da radi sa stručnjacima u oblastima kao što su dezinformacije, sadržaj mržnje i pristrasnost na testiranju alata prije nego što bude dostupan javnosti. Kompanija takođe razvija alate koji mogu detektovati video zapise koje je kreirala Sora i uključiti metapodatke u kreirane video zapise kako bi ih lakše otkrili. Kompanija je odbila reći kako je Sora bila obučena, ali je rekla da koristi i "video snimke u javnom domenu" i video snimke licencirane od nositelja prava.
Pročitajte također: