Нова ШІ технологія Sora може генерувати реалістичні відео на основі тексту

OpenAI представила своє нове творіння — модель штучного інтелекту Sora, що може створювати відео на основі заданого тексту. Відео тривалістю до 1 хвилини може включати декілька персонажів, наділених емоціями та деталізованими рухами, у динамічному насиченому світі, де можна налаштувати задній план і точні деталі локації.

Представляємо Sora, нашу модель перетворення тексту у відео. Sora може створювати відео тривалістю до хвилини, зберігаючи візуальну якість і дотримуючись підказок користувача.

йдеться у описі до Sora

Усю картинку передає камера, яка також не є статичною, а приймає найкращий ракурс для зображення рухів та передачі емоційної палітри зображувального вмісту. Якщо користувачу необхідно виставити окремий ракурс або ж налаштувати параметри зйомки, наприклад слідувати за рухомим предметом, то цю опцію також можна вказати у текстовому повідомленні.

Заданий текст для створення відео: стильна жінка йде вулицею Токіо, яка заповнена теплим неоном і анімованими міськими вивісками. Вона одягнена в чорну шкіряну куртку, довгу червону сукню та чорні чоботи, а також носить чорний гаманець. На ній сонцезахисні окуляри й червона помада. Вона крокує впевнено і невимушено. Вулиця вогка і відбивається, створюючи дзеркальний ефект різнокольорових вогнів. На вулиці багато пішоходів.

Наразі Sora перебуває на стадії тестування. OpenAI надала доступ до своєї розробки ряду художників, дизайнерів і режисерів, щоб отримати від них конструктивну критику та пропозиції щодо вдосконалення проєкту, який поки що має деякі недоліки. Штучний інтелект поки ще досить слабо себе демонструє у відображенні фізики у складних сценах та не розуміє елементарний для людей причинно-наслідковий зв’язок. Наприклад, у сценах з їжею, при споживанні частини продукту, він все одно залишається цілим. Також Sora має проблеми з орієнтацією у просторі та плутає ліво і право.

Перед тим, як випустити свій продукт назагал, розробники хочуть приділити велику увагу безпеці для запобігання створення дезінформації, пропагандистських роликів, розпалу ворожнечі, ненависті чи упередження. Для цього вони вже зараз працюють над створенням інструментів, що здатні розпізнавати оманливий вміст, відео сексуального характеру, надмірну жорстокість і створення персонажів, схожих з реальними людьми.

А ви б хотіли випробувати цей інструмент для створення відео?