OpenAI, den velrenommerede AI-startup, har for nylig introduceret Sora, en innovativ tekst-til-video-model, der er klar til at omdefinere mulighederne inden for generativ AI. Mens eksisterende værktøjer som Googles Lumiere har udforsket landskabet for tekst-til-video-teknologi, skiller Sora sig ud med sine unikke funktioner og evner.
En karakteristisk funktion ved Sora er dens evne til at fortolke lange opgaver, herunder eksempler med op til 135 ord. OpenAI demonstrerede dette ved at dele en prøvevideo, der viste Sora’s evne til at generere forskellige karakterer og scener, lige fra almindelige mennesker og dyr til fantasifulde monstre, bybilleder, rolige haver og endda et oversvømmet New York City. Denne ekstraordinære rækkevidde er muliggjort takket være OpenAI’s tidligere arbejde med Dall-E og GPT-modeller.
Med inspiration fra Dall-E 3 anvender Sora en retekstureringsteknik, der genererer meget beskrivende billedtekster til visuelle træningsdata. Som et resultat kan modellen skabe komplekse scener med flere karakterer, naturtro bevægelser og nøjagtige detaljer om motiver og baggrunde. De realistiske samplevideoer er virkelig imponerende, idet kun nærbilleder af ansigter eller svømmende havdyr afslører deres syntetiske oprindelse.
Sora tilbyder også muligheden for at generere videoer fra stille billeder samt udvide eksisterende videoer eller udfylde manglende frames – lignende Lumiere’s funktionalitet. OpenAI mener, at Soras fremskridt med at forstå og simulere den virkelige verden er betydningsfulde milepæle mod opnåelse af kunstig generel intelligens (AGI) – en mere avanceret form for AI, der tæt ligner menneskelig intelligens og omfatter en bredere vifte af opgaver.
Dog erkender OpenAI, at Sora stadig har visse begrænsninger. Den kan have svært ved at afbilde fysikken i komplekse scener korrekt og forstå årsag og virkning. For eksempel kan modellen udelade et bidemærke på en kiks, efter at en person har taget en bid. Derudover forveksler Sora nogle gange venstre og højre.
Mens OpenAI endnu ikke har annonceret en specifik udgivelsesdato for bred tilgængelighed af Sora, understreger virksomheden vigtigheden af at implementere nødvendige sikkerhedsforanstaltninger forud derfor. Dette inkluderer at overholde eksisterende sikkerhedsstandarder, der forhindrer generering af ekstrem vold, seksuelt indhold, hadefulde billeder, berømthedsligheder og brug af andres intellektuelle ejendom.
OpenAIs forpligtelse til at udvikle stadig sikrere AI-systemer over tid og lære af virkelige brug afspejler deres anerkendelse af både de potentielle fordele og risici forbundet med denne banebrydende teknologi. Med Sora i fronten fortsætter OpenAI med at udfordre grænserne inden for generativ AI og skaber dermed rammerne for en ny æra af kreative muligheder.
The source of the article is from the blog exofeed.nl