Η OpenAI παρουσίασε το Sora 2, το τελευταίο μοντέλο δημιουργίας βίντεο και ήχου, μαζί με μια νέα εφαρμογή iOS που ονομάζεται Sora. Το μοντέλο προσφέρει βελτιωμένο ρεαλισμό, ισχυρότερη φυσική ακρίβεια και μεγαλύτερη δυνατότητα ελέγχου από τον προκάτοχό του. Υποστηρίζει συγχρονισμένο διάλογο, ήχο περιβάλλοντος και ηχητικά εφέ, επιτρέποντας στους χρήστες να δημιουργούν και να μοιράζονται περιεχόμενο μέσα στην εφαρμογή.
Το πρώτο μοντέλο Sora, που κυκλοφόρησε τον Φεβρουάριο του 2024, περιγράφηκε ως «στιγμή GPT-1» για βίντεο, εισάγοντας βασικά χαρακτηριστικά όπως η μονιμότητα αντικειμένων μέσω κλιμακωτής εκπαίδευσης βίντεο. Έκτοτε, η OpenAI έχει επικεντρωθεί στη δημιουργία μοντέλων με ισχυρότερη προσομοίωση κόσμου.
Το Sora 2 αντιπροσωπεύει ένα άλμα πιο κοντά σε μια «στιγμή GPT-3.5», με την ικανότητα να χειρίζεται προηγμένες συμπεριφορές και φυσικές αλληλεπιδράσεις που τα προηγούμενα συστήματα βίντεο AI δεν μπορούσαν.
Sora 2 Key Features and Capabilities
- Βίντεο με επίγνωση της φυσικής: Μοντελοποιεί τη δυναμική του πραγματικού κόσμου, όπως η άνωση, η ακαμψία και η κίνηση. Για παράδειγμα, ένα χαμένο σουτ μπάσκετ αναπηδά από το ταμπλό αντί να τηλεμεταφέρεται.
- Ρεαλιστικές αποτυχίες: Τα λάθη εμφανίζονται σαν σφάλματα ενός εσωτερικού παράγοντα και όχι σαν παραμορφωμένα αποτελέσματα.
- Ελεγξιμότητα: Ακολουθεί οδηγίες πολλαπλών βολών και διατηρεί συνεπή την κατάσταση του κόσμου σε όλες τις σκηνές.
- Οπτικά στυλ: Υποστηρίζει ρεαλιστικές, κινηματογραφικές και anime ακολουθίες.
- Ενσωματωμένος ήχος: Παράγει συγχρονισμένη ομιλία, ηχοτοπία φόντου και ηχητικά εφέ.
- Εξατομίκευση: Οι χρήστες μπορούν να εισάγουν τον εαυτό τους, φίλους ή αντικείμενα σε δημιουργημένα περιβάλλοντα χρησιμοποιώντας σύντομες ηχογραφήσεις.
