OpenAI вече ще ви позволява да създавате видеоклипове от словесни знаци
Лидерът в областта на изкуствения интелект OpenAI представи нов AI модел, наречен Sora, за който твърди, че може да създава „реалистични“ и „въображаеми“ 60-секундни видеоклипове от бързи текстови подкани.
В публикация в блог в сряда, компанията каза, че Sora е в състояние да генерира видеоклипове с дължина до 60 секунди от текстови инструкции, с възможността да обслужва сцени с множество герои, специфични типове движение и подробни детайли на фона.
„Моделът разбира не само какво е поискал потребителят в подканата, но и как тези неща съществуват във физическия свят“, се казва в публикацията в блога.
OpenAI заяви, че възнамерява да обучи моделите на AI, така че да може да „помогне на хората да решават проблеми, които изискват взаимодействие в реалния свят“.
Това е най-новото усилие на компанията зад вирусния чатбот ChatGPTкоето продължава да тласка напред генеративното AI движение. Въпреки че „мултимодалните модели“ не са нови и вече съществуват модели от текст към видео, това, което отличава това, е дължината и точността, които OpenAI твърди, че Sora притежава, според Рийс Хейдън, старши анализатор във фирмата за пазарни проучвания ABI Research .
Хейдън каза, че тези типове AI модели могат да окажат голямо влияние върху пазарите на цифрови развлечения с ново персонализирано съдържание, което се предава по канали.
„Един очевиден случай на употреба е в телевизията; създаване на кратки сцени в подкрепа на разказите“, каза Хейдън. „Моделът все още е ограничен, но показва посоката на пазара.“
В същото време OpenAI каза, че Sora все още е в процес на работа с ясни „слабости“, особено когато става въпрос за пространствени детайли на подкана – смесване на ляво и дясно – и причина и следствие. Той даде пример за създаване на видеоклип на някой, който отхапва от бисквитка, но няма следа от ухапване веднага след това.
Засега съобщенията на OpenAI остават фокусирани върху безопасността. Компанията заяви, че планира да работи с екип от експерти, за да тества най-новия модел и да разгледа внимателно различни области, включително дезинформация, насаждащо омраза съдържание и пристрастия. Компанията каза, че също така изгражда инструменти, които да помогнат за откриването на подвеждаща информация.
Sora първо ще бъде предоставена на професори по киберсигурност, наречени „червени екипи“, които могат да оценят продукта за вреди или рискове. Той също така предоставя достъп на редица визуални художници, дизайнери и режисьори, за да съберат отзиви за това как творчески професионалисти могат да го използват.
Последната актуализация идва, докато OpenAI продължава да напредва в ChatGPT.
По-рано тази седмица компанията каза, че тества функция, в която потребителите могат да контролират паметта на ChatGPT, което им позволява да поискат от платформата да запомни чатовете, за да направи бъдещите разговори по-персонализирани или да й кажат да забрави това, което е било обсъдено преди това.
