OpenAI a récemment dévoilé sa dernière innovation, un modèle d’intelligence artificielle (IA) de pointe appelé Sora. Cet outil révolutionnaire de génération de texte en vidéo a la capacité remarquable de créer des vidéos d’une durée pouvant atteindre 60 secondes. Cela dépasse les capacités de ses concurrents, y compris Lumiere de Google.
Actuellement, Sora est accessible aux « red teamers » et à certains experts en cybersécurité, qui jouent un rôle essentiel dans les tests approfondis des logiciels pour améliorer leur qualité. De plus, certains créateurs de contenu ont également été autorisés à utiliser cet outil d’IA révolutionnaire. Les futurs projets d’OpenAI incluent l’intégration des métadonnées de la Coalition for Content Provenance and Authenticity (C2PA) dans Sora une fois qu’il sera déployé en tant que produit officiel d’OpenAI.
Selon l’annonce d’OpenAI, Sora a le pouvoir de générer des scènes hautement détaillées avec des mouvements de caméra complexes, des personnages multiples et des émotions expressives. Cette durée de vidéo étendue dépasse de plus de dix fois celle de ses principaux rivaux. Runway AI et Pika 1.0 peuvent générer des vidéos qui ne durent que 4 et 3 secondes, respectivement, tandis que Lumiere de Google ne dure que 5 secondes.
OpenAI a partagé plusieurs vidéos produites par Sora, ainsi que les consignes qui ont été utilisées pour les créer. Ces vidéos présentent des niveaux exceptionnels de détail et des mouvements fluides, les différenciant des autres générateurs de vidéos disponibles sur le marché. L’entreprise affirme que Sora peut générer des scènes complexes avec différents personnages, angles de caméra, types de mouvement spécifiques, et des détails précis sur le sujet et l’arrière-plan. Cela est rendu possible par la capacité du modèle à comprendre à la fois la consigne et le monde physique qu’elle représente.
Sora fonctionne comme un modèle de diffusion qui utilise une architecture de transformer, similaire aux modèles GPT d’OpenAI. Les données qu’il traite et génère sont divisées en « patches », semblables aux « tokens » des modèles de génération de textes. Ces « patches » sont constitués de vidéos et d’images groupées, ce qui permet à OpenAI de former le modèle de génération de vidéos sur différentes durées, résolutions et ratios d’aspect. Il est également important de noter que Sora peut également transformer des images fixes en vidéos dynamiques.
Bien que Sora possède des capacités impressionnantes, OpenAI reconnaît que le modèle actuel présente certaines limites. Il peut avoir du mal à simuler avec précision des scènes physiques complexes et ne pas comprendre certaines relations de cause à effet spécifiques. OpenAI prend l’exemple d’une personne qui mord dans un biscuit, mais le biscuit n’a pas de marques de dents.
OpenAI prend des mesures proactives pour prévenir une utilisation abusive de Sora pour la création de contenus nuisibles, tels que les deepfakes. L’entreprise développe des outils pour détecter les contenus trompeurs et prévoit d’implémenter les métadonnées de la Coalition for Content Provenance and Authenticity (C2PA) dans les vidéos générées, suite à l’adoption réussie de cette pratique dans leur modèle DALL-E 3. OpenAI collabore également avec des « red teamers » et des experts du domaine, notamment ceux spécialisés dans la désinformation, les contenus haineux et les biais, pour améliorer les performances du modèle et répondre aux préoccupations potentielles.
Bien que Sora ne soit actuellement accessible qu’à un groupe restreint de personnes, dont des « red teamers », des artistes visuels, des designers et des cinéastes, OpenAI sollicite activement des retours d’information pour affiner et améliorer le produit. Alors que cette technologie innovante continue d’évoluer, elle promet de révolutionner le domaine de la création de contenu vidéo.
FAQ :
1. Qu’est-ce que Sora ?
Sora est un modèle d’intelligence artificielle (IA) développé par OpenAI. Il s’agit d’un outil de génération de texte en vidéo de pointe pouvant créer des vidéos d’une durée allant jusqu’à 60 secondes.
2. Comment Sora se compare-t-il à ses concurrents ?
Sora dépasse ses concurrents, y compris Lumiere de Google, en termes de durée des vidéos. Tandis que Sora peut générer des vidéos d’une durée allant jusqu’à 60 secondes, Lumiere ne peut créer que des vidéos d’une durée maximale de 5 secondes.
3. Qui a actuellement accès à Sora ?
Sora est accessible aux « red teamers » (personnes qui testent les logiciels en profondeur pour détecter les vulnérabilités) et à certains experts en cybersécurité. Certains créateurs de contenu ont également été autorisés à utiliser cet outil d’IA.
4. À quel point les vidéos créées par Sora sont-elles détaillées et expressives ?
Sora a le pouvoir de générer des scènes hautement détaillées avec des mouvements de caméra complexes, des personnages multiples et des émotions expressives. Sa durée de vidéo étendue dépasse celle de ses concurrents.
5. Comment Sora fonctionne-t-il ?
Sora est un modèle de diffusion qui utilise une architecture de transformer similaire aux modèles GPT d’OpenAI. Il traite et génère des données sous forme de « patches », similaires aux « tokens » des modèles de génération de texte, qui regroupent des vidéos et des images.
6. Quelles sont les limites de Sora ?
Bien que Sora possède des capacités impressionnantes, il peut avoir du mal à simuler avec précision des scènes physiques complexes et à comprendre des relations de cause à effet spécifiques. OpenAI donne l’exemple d’une personne qui mord dans un biscuit, mais où le biscuit n’a pas de marques de dents.
7. Comment OpenAI aborde-t-il les préoccupations concernant la mauvaise utilisation de Sora ?
OpenAI prend des mesures proactives pour prévenir la mauvaise utilisation de Sora, comme la création de contenus nuisibles tels que les deepfakes. L’entreprise développe des outils pour détecter les contenus trompeurs et prévoit d’implémenter des métadonnées de la Coalition for Content Provenance and Authenticity (C2PA) dans les vidéos générées.
8. Qui peut fournir des retours sur Sora ?
Bien que Sora ne soit actuellement accessible qu’à un groupe restreint de personnes, dont des « red teamers », des artistes visuels, des designers et des cinéastes, OpenAI sollicite activement des retours d’information de ces utilisateurs pour affiner et améliorer le produit.
Termes clés/jargon :
– IA (Intelligence Artificielle) : La simulation de l’intelligence humaine dans des machines programmées pour effectuer des tâches qui nécessitent généralement l’intelligence humaine, telles que la perception visuelle, la reconnaissance vocale et la prise de décision.
– Génération de texte en vidéo : Le processus de création de vidéos à partir de consignes ou de descriptions textuelles à l’aide de modèles d’IA.
– « Red teamers » : Des individus qui testent en profondeur les logiciels, les applications ou les systèmes pour identifier les vulnérabilités et les faiblesses.
– Deepfakes : Des médias synthétiques dans lesquels l’apparence d’une personne est remplacée par l’apparence de quelqu’un d’autre dans une vidéo, généralement à l’aide de technologies d’IA.
– Architecture de transformer : Un type d’architecture de réseau neuronal couramment utilisée dans les tâches de traitement du langage naturel, permettant au modèle de comprendre les relations entre les mots et de générer des sorties cohérentes.
– Métadonnées : Des données qui fournissent des informations sur d’autres données. Dans le contexte des vidéos, les métadonnées peuvent inclure des informations sur la source, l’auteur, l’horodatage ou l’authenticité de la vidéo.
– Coalition for Content Provenance and Authenticity (C2PA) : Une collaboration entre des entreprises technologiques, dont OpenAI, qui vise à établir des normes et des pratiques pour garantir la fiabilité du contenu en ligne.
The source of the article is from the blog elblog.pl