Вызвала фурор. OpenAI показала ИИ, способный превращать текстовую подсказку в мегареалистичное видео

Sora, как заявляют в OpenAI, способна создавать детальные видео с детализированными сценами, сложными движениями камеры и несколькими персонажами с помощью лишь простых текстовых подсказок. Также можно продолжать уже существующие видео и генерировать анимированные сцены на основе неподвижного изображения. Сейчас поддерживается генерация роликов продолжительностью до 60 секунд.

В OpenAI говорят, что изучают потенциальные злоупотребления с Sora перед тем, как сделать ее доступной широкой общественности. Пока она доступна только специалистам по кибербезопасности.

«Мы примем несколько важных мер безопасности, прежде чем сделать Sora доступной в продуктах OpenAI. Мы работаем с „красными“ командами — экспертами в отрасли в таких сферах, как дезинформация, контент, пропагандирующий ненависть и предвзятость, — которые тестируют модель», — сообщает OpenAI.

Модель произвела фурор в X (Twitter), где в дополнение к примерам, опубликованным на страницах OpenAI, гендиректор компании Сэм Альтман запостил семь роликов, сгенерированных по текстовым подсказкам пользователей соцсети. В частности, так было создано видео об утке-драконе, путешествии дронов на Марсе и золотистых ретриверах, которые записывают подкаст на вершине горы.

Хотя результаты, которых достигает Sora, впечатляют, OpenAI признает, что модель еще далека от совершенства. К примеру, компания говорит, что ей трудно точно моделировать физику сложной сцены. Она может спутать пространственные детали заданной подсказки, смешивая левые и правые стороны, и причины и следствия.

«Например, человек может откусить печенье, но после этого на печенье может не остаться следа от укуса», — говорят в OpenAI.