Sora nav tikai vēl viens video rīks; tas ir OpenAI jaudīgākais video ģenerēšanas modelis, kas spēj radīt līdz pat 60 sekunžu garas ainas ar neticamu vizuālo kvalitāti un sarežģītām detaļām. Atšķirībā no iepriekšējiem mēģinājumiem radīt AI video, Sora saprot ne tikai lietotāja teksta uzdevumu, bet arī to, kā objekti pastāv un kustas fiziskajā pasaulē. Tas ļauj ģenerēt kadrus, kuros saglabājas vizuālā konsekvence – pat ja galvenais varonis uz brīdi pazūd aiz koka, viņš atgriežas tieši tajā pašā izskatā.

Šī tehnoloģija burtiski nojauc robežas starp realitāti un simulāciju. Sora izmanto unikālu arhitektūru (difūzijas modeļu un transformatoru apvienojumu), kas ļauj tai apstrādāt video kā datu kopumu, līdzīgi kā GPT modeļi apstrādā tekstu. Rezultātā mēs redzam video, kuros kameras kustība ir plūstoša un kinematogrāfiska, radot ilūziju, ka kadrus uzņēmis profesionāls operators, nevis algoritms savā "digitālajā prātā".

Ko Sora spēj un kā tā maina spēles noteikumus?

• Daudzslāņainas un sarežģītas ainas: AI spēj radīt vidi ar vairākiem personāžiem, kuri katrs veic savas darbības, vienlaikus saglabājot detalizētu fonu un specifisku apgaismojumu.

• No teksta uz video un ne tikai: Sora var ne tikai radīt video no nulles, bet arī atdzīvināt nekustīgus attēlus vai papildināt esošus video klipus, aizpildot trūkstošos kadrus vai pagarinot tos laikā.

• Fizikas simulācijas mēģinājumi: Lai gan sistēma joprojām mācās, tā jau tagad spēj imitēt tādas lietas kā šķidruma kustību, gaismas spēles un materiālu tekstūras, kas padara video satriecoši reālistisku.

• Stila un noskaņas kontrole: Tu vari pieprasīt jebko – no 1920. gadu melnbaltās filmas estētikas līdz ultra-modernai kiberpanka pilsētai, un Sora sapratīs vizuālo kontekstu.

Ceļš līdz publiskai pieejamībai un drošība

Neskatoties uz iespaidīgajiem paraugiem, Sora pašlaik nav pieejama plašai sabiedrībai. OpenAI ir izvēlējusies piesardzīgu ceļu, sadarbojoties ar "red teamers" (drošības ekspertiem), lai pārbaudītu, kā modeli varētu izmantot ļaunprātīgi, piemēram, dezinformācijas vai deepfake radīšanai. Tāpat tiek izstrādāti rīki (metadati un C2PA standarti), kas ļaus atpazīt, ka video ir radījis mākslīgais intelekts.

Ir arī tehniskie izaicinājumi: Sora reizēm "pazaudējas" telpā – piemēram, tā var sajaukt kreiso pusi ar labo vai nesaprast sarežģītu cēloņu un seku ķēdi (trauks saplīst pirms tas pieskaras zemei). Tomēr tas ir tikai laika jautājums, līdz šīs nianses tiks noslīpētas.