OpenAI Sora може да създава реалистично видео по текстово описание

OpenAI представи новия си проект – алгоритъмът Sora. Той може да генерира видео според текстовото описание, което му е подадено от потребителя. При това първоначалните резултати са доста впечатляващи, както се вижда от демонстрационните клипове, които компанията е споделила.

Sora е създадена на базата на обучение с над 10 000 часа „висококачествено видео“, казва OpenAI, без да посочва подробности. Алгоритъмът може да създава сложни сцени, да има множество движещи се обекти в тях, да изпълва кадрите с голям брой детайли и да запазва реалистичното им движение и пропорции според движението на „камерата“.

OpenAI казва, че моделът „разбира как обектите съществуват във физическия свят“ и също така може да пресъздава взаимодействията между тях. Например движението на дрехите докато човекът ходи. Sora може дори да пресъздава персонажи, които пресъздават реалистично най-различни емоции.

Освен това алгоритъмът може да създава видео на базата на изображение, което му е подадено. Той има и способността да генерира липсващи кадри в съществуващо видео или да направи продължение на вече наличен клип.

Засега ограниченията са, че продължителността на генерираните от Sora клипове са до 60 секунди. Също така резолюцията им е не повече от 1080р. За сметка на това Sora може да прави не само фотореалистично видео, но и анимации или пък видео през различни филтри, например черно-бял.

Всичко това веднага буди притеснения за евентуални злоупотреби със Sora. Особено като се има предвид, че може да прави клипове на базата на изображения.

Затова OpenAI няма да пусне Sora за публично използване, поне засега. „Обучаваме изкуствения интелект да разбира и симулира физическия свят в движение, като целта ни е да обучим моделите така, че да помагат на хората да решават проблеми, които изискват взаимодействие в реалния свят“, казва компанията.

Тя допълва, че „настоящият модел има слабости. Той може да има трудности точно да симулира физическите характеристики на сложни цени и може да не разбере някои причинно-следствени ситуации. Например човек може да отхапе от бисквита, но след това на бисквитата може да няма отхапано. Моделът може да обърка и ляво и дясно или някои точни описания като например камерата да следва точна траектория“, казва още OpenAI.

Компанията допълва, че обръща голямо внимание и на сигурността. Ще бъдат предприети „няколко важни мерки за сигурност“ преди Sora да бъде внедрена в продуктите на OpenAI. В момента екипи от експерти, организации и избрани режисьори и хора на изкуството работят заедно, за да тестват Sora и да оформят възможно най-много рискове и мерки за защита. Компанията работи и по „инструменти, които да помогнат за засичането на подвеждащо съдържание“.

„Въпреки щателните проучвания и тестове, не можем да предвидим всички положителни начини, по които хората ще използват нашата технология, нито начините, по които ще злоупотребяват. Затова вярваме, че е от критично значение да се учим от използването на технологията в реални условия, за да създадем все по-сигурни AI системи в бъдеще“, казва OpenAI.