Генеративният изкуствен интелект навлиза в своя следващ етап на развитие. При това доста по-бързо, отколкото си мислехме.
Доскоро все още се смяташе за далечна перспектива възможността за създаване на истински реалистични видеоклипове по текстово описание. Но ето че вече и това е възможно.
Компанията OpenAI, стояща зад ChatGPT, представи новия си алгоритъм Sora, който само от текстово описание може да "измайстори" видео.
"Sora е в състояние да генерира сложни сцени с множество участници, специфични типове движение и точни подробности за обекта и фона", обявиха OpenAI в официална публикация.
Т.е. това видео, което виждате долу, не е истинско, а е изцяло създадено от изкуствен интелект:
Компанията също така отбелязва, че моделът може да разбира как обектите "съществуват във физическия свят", както и "точно да интерпретира всякакви обстановки и да генерира завладяващи герои, които изразяват живи емоции".
Главният изпълнителен директор на OpenAI Сам Олтман постави и предизвикателство пред последователите си в социалната мрежа X с идеята да представи възможностите на Sora. Той поиска всякакви предложения за видеа с възможно най-много детайли и подробности и като отговор получи какви ли не предложения.
"Полупатица-полудракон лети на фона на красив залез заедно с хамстер, носещ раница с екипировка за приключения", пише един от потребителите в X. Ето го резултатът:
here is a better one: https://t.co/WJQCMEH9QG pic.twitter.com/oymtmHVmZN
— Sam Altman (@sama) February 15, 2024
Има и други, далеч по-реалистично звучащи.
"Обучителна сесия за готвене за домашно приготвени ньоки, водена от популярна в социалните мрежи баба, на фона на селска кухня в тоскански стил с кинематографично осветление", пише друг потребител, а резултатът е повече от впечатляващ.
Да, тази баба не е истински човек, а изображение - измислено, "нарисувано" и раздвижени от Sora.
https://t.co/rmk9zI0oqO pic.twitter.com/WanFKOzdIw
— Sam Altman (@sama) February 15, 2024
Компанията отбелязва, че Sora е все още в ранна фаза на развитието си. Засега алгоритъмът няма да е достъпен за всички, поради опасения от потенциални злоупотреби с технологията.
Вместо това е даден ранен достъп за графични дизайнери, създатели на съдържание и режисьори, които трябва да дадат обратна връзка.
Моделът има възможност да създава видеа с максимална продължителност от една минута и резолюция 1080р. Също така прави клипове по готови изображения или пък допълва липсващи кадри в съществуващи видеа.
Sora определено не е първият подобен модел за видеа по текст, но за момента изглежда най-способният.
По този начин надгражда над чатбота ChatGPT и алгоритъмът за създаване на изображение по текст Dall-E 3, който бе представен миналия септември. Точно както и другите две програми с изкуствен интелект на OpenAI, Sora работи изключително елементарно.
Потребителят единствено трябва да опише с няколко изречения какъв резултат иска да получи и да избере дали видеото да бъде в реалистичен или анимиран стил.
Всичко останало се върши от Sora в рамките на няколко минути, а клиповете изглеждат динамични, плавни и най-вече реалистични.
Подобни видеа биха отнели на професионален екип часове или дни (както и много пари), за да бъдат създадени.
Това води до редица притеснения, че Sora и останалите подобни модели ще се окажат разрушителни за редица професии, както и че могат да задълбочат още повече огромния проблем с разпространение на дезинформация и фалшиви новини.
Ще бъде далеч по-лесно да е измислят и създават събития, а интернет пространството да бъде залято със съдържание, в което не може да се различи реалност от манипулация.
Екипът на OpenAI открито признава, че не може да предвиди всички потенциални начини на използване на Sora. Твърдят, че видеоклипове, създадени от техния генератор, ще съдържат водни знаци, както и че се работи с различни институции, за да се намери подходящ начин на регулация.
Със сигурност Sora ще отхвърля всякакви заявки за видеоклипове с насилие или сексуално съдържание.
"Ще ангажираме политици, преподаватели и хора на изкуството по целия свят, за да разберем техните опасения и да идентифицираме положителните случаи на употреба на тази нова технология", казват от OpenAI.
Признават и че Sora все още допуска много грешки. Трудно прави разлика между ляво и дясно, както и връзка между причина и следствие. Тоест може да видим клип на човек, който отхапва курабийка, но без да оставя следи от зъби по бисквитата.
Едва ли обаче ще отнеме много време на OpenAI да решат тези проблеми.
Дотгова вижте на какво още е способна Sora към момента. И да не забравяме - от този момент нататък създаденото от изкуствен интелект видео ще става все по-добро:
