OpenAI, poznata kompanija u oblasti veštačke inteligencije, predstavila je Sora, inovativni model koji tekstualne instrukcije pretvara u video. Ovaj „text-to-video“ model omogućava korisnicima da kreiraju fotorealistične video klipove dužine do jednog minuta, bazirane na tekstu koji unesu.
Sora je sposobna da generiše složene scene sa više likova, specifičnim tipovima pokreta, kao i da precizno dočara detalje subjekta i pozadine. Model poseduje naprednu sposobnost razumevanja fizičkog postojanja objekata u svetu, interpretacije rekvizita i kreiranja likova koji izražavaju emocije.
Osim toga, Sora može kreirati video materijal na osnovu nepokretne slike, popuniti nedostajuće kadrove u postojećem videu ili ga proširiti. Demonstracije uključuju različite scene, od istorijskih rekonstrukcija do urbanih pejzaža, iako neki klipovi sadrže elemente koji ukazuju na AI tehnologiju, poput neobičnog kretanja objekata.
Razvoj text-to-video tehnologije prati nedavni napredak u kreiranju videa pomoću veštačke inteligencije, sa kompanijama kao što su Runway i Pika koje su već predstavile slične modele. Googleov Lumiere predstavlja jednog od glavnih konkurenata OpenAI-u u ovoj oblasti, nudeći slične mogućnosti kreiranja video sadržaja iz tekstualnih uputa ili nepokretnih slika.
Trenutno, Sora je dostupna timovima koji procenjuju model u smislu potencijalnih šteta i rizika, kao i vizuelnim umetnicima, dizajnerima i filmskim stvaraocima koji mogu dati povratne informacije. OpenAI ističe da model možda neće uvek precizno simulirati fiziku složenih scena ili pravilno interpretirati određene uzročno-posledične veze.
Kao i kod drugih AI proizvoda OpenAI-a, postoji izazov u borbi protiv posledica lažnih, AI generisanih fotorealističnih videa koji bi mogli biti pogrešno shvaćeni kao stvarni. Ovaj korak predstavlja značajan napredak u polju veštačke inteligencije, otvarajući nove mogućnosti za kreiranje sadržaja i istraživanje kreativnih granica.
