Восторг и недостатки — OpenAI представила Sora

15 февраля компания OpenAI представила новую генеративную модель искусственного интеллекта Sora, которая позволяет преобразовывать текст в видео. Инструмент вызвал восторг в соцсетях, однако до полноценного запуска ему предстоит немало доработок.

Sora способна на основе простых текстовых подсказок генерировать видеоролики продолжительностью до 60 секунд с разрешением до 1080p. Они могут включать в себя несколько персонажей, определенные типы движения и точные детали объекта и фона.

В основе инструмента лежат исследования GPT и DALL-E 3. Она работает по так называемой диффузионной модели — превращает исходное изображение в статистический шум, а затем преобразовывает его, пошагово этот шум удаляя.

Разработчики признают, что на данном этапе у Sora все еще есть ряд недостатков. Ей сложно точно смоделировать физику комплексной сцены — она путается в причинно-следственных связях.

«Например, человек может откусить кусочек печенья, но после этого на нем может не остаться следа от укуса», — объясняют в OpenAI.

У инструмента есть проблемы с пространственными деталями. Полученный результат может не соответствовать заданным направлениям, ошибаться, где право и лево.

Пока Sora доступна «красной команде» тестировщиков, а также избранным дизайнерам, художникам и кинематографистам.

Реакция соцсетей

Инструмент вызвал восхищение в соцсетях и уже вошел в тренды X более чем с 173 000 постов. 

Для наглядной демонстрации возможностей модели CEO OpenAI Сэм Альтман начал принимать запросы пользователей на генерацию видео. На момент написания он поделился в общей сложности девятью роликами, созданными Sora.

Эксперты в области ИИ отметили, что возможности Sora «лишают дара речи».

По словам старшего научного сотрудника Nvidia Джима Фана, Sora гораздо больше, чем просто еще одна «творческая игрушка», наподобие DALL-E 3. Он определил ее как «физический движок, управляемый данными», поскольку модель ИИ не просто генерирует абстрактное видео, но также интуитивно создает физику объектов в самой сцене.

Наряду с этим ряд пользователей выразил опасения, что подобные Sora инструменты усугубят проблему дипфейков. 

По мнению одного из пользователей, крупным соцсетям нужно задуматься над встроенной защитой от реалистичных подделок. Отдельно он выделил угрозу подмены видеодоказательств преступлений.

Другой юзер заявил о необходимости технологии обратного проектирования De-AI, чтобы избежать неправильной интерпретации контента.

Ранее OpenAI начала тестировать функцию «памяти» для чат-бота ChatGPT, которая сохраняет обсуждаемую в разговорах информацию для улучшения взаимодействия с пользователем.

При этом компания активно противодействует использованию своих продуктов в незаконных целях.