Sora. Kaip realistiški vaizdo įrašai iš OpenAI pakeis verslą? | Dirbtinis intelektas versle #94

Prieš kelias dienas „Google“ dar kartą pritraukė dirbtinio intelekto entuziastų dėmesį, paskelbdama „Gemini 1.5“ vos po savaitės po galingo „Gemini 1.0 Ultra“ modelio išleidimo ir pervadinusi pokalbių robotą „Bard“ į „Gemini“.

Tačiau „OpenAI“ neleido „Google“ džiaugtis stipria pozicija dirbtinio intelekto srityje net vieną dieną. „ChatGPT“ kūrėjai atskleidė dar įdomesnį sprendimą: „Sora“, vaizdo generatorių, galintį kurti beveik minutės trukmės vaizdo įrašus remiantis tekstiniais nurodymais. „OpenAI“ „Sora“ yra pasirengusi tapti proveržio įrankiu, turinčiu potencialą revoliucionuoti vaizdo turinio kūrimo pramonę. Tačiau tai, kas daro „Sora“ išskirtinę, nėra tik jos techninės galimybės, bet ir platus potencialių taikymo spektras – nuo rinkodaros ir švietimo iki pramogų pramonės ir kasdieninės komunikacijos. Pažvelkime, kaip „Sora“ ketina įgyvendinti šiuos pokyčius ir kokias perspektyvas ji atveria verslui.

„Sora“ iš „OpenAI“ – nauja era vaizdo turinio kūrime

Mes nuėjome ilgą kelią nuo pirmųjų nešvarių bandymų kurti vaizdo įrašus naudojant kompiuterius. Jau akivaizdu, kad generatyvinio dirbtinio intelekto sukurti vaizdo įrašai, net ir tie, kurie yra tik šešių mėnesių senumo, atrodo gana nepatogiai, palyginti su „Sora“ generacijomis. Nors „Sora“, galinti kurti realistiškas vaizdo scenas remiantis tekstiniais nurodymais, vis dar yra eksperimentinėje stadijoje ir dar nėra prieinama visuomenei, jos galimybės yra stulbinančios.

„Sora“ siūlo platų taikymo spektrą, kuris gali pakeisti mūsų vaizdo turinio kūrimo ir vartojimo būdą. Štai keletas pavyzdžių:

• kompleksinių scenų su keliais personažais ar objektais generavimas,
• jau egzistuojančių vaizdų animavimas,
• suprastinimas sukurtų vaizdo įrašų,
• skirtingų grafikų ar vaizdo įrašų sujungimas į vieną.

Šie pavyzdžiai rodo didžiulį pažangą dirbtinio intelekto srityje. Tačiau, visų pirma, tai atveria duris naujoms galimybėms kuriant vaizdo turinį. Tiesiog pažiūrėkite į aukštos raiškos vaizdo įrašą, vaizduojantį žydinčio gėlių grožį:

Šaltinis: „OpenAI“ (https://cdn.openai.com/sora/videos/flower-blooming.mp4 arba https://youtu.be/UNmqxZoTgsk)

Kaip bus naudojama „Sora“?

Ar „Sora“ yra tik žaislas ir dar vienas įrankis vaizdo turiniui kurti? Ne. Bent jau pagal „OpenAI“. Kaip „Sora“ kūrėjai rašo:

Mes mokome dirbtinį intelektą suprasti ir imituoti fizinį pasaulį judesyje, o tikslas yra apmokyti modelius, kurie padeda žmonėms spręsti problemas, reikalaujančias sąveikos su realiu pasauliu.

Norint tiksliai generuoti vaizdo įrašus, modelis turi suprasti pasaulį daug gilesniu lygiu nei tai, kas reikalinga tekstui kurti. Tai apima fizikos, erdvinių santykių tarp objektų toje pačioje plokštumoje ir pirmo plano bei fono sąveikos supratimą.

„Sora“ galės generuoti:

• vaizdo įrašą iš teksto – pirmasis ir svarbiausias modelio naujovė,
• vaizdo įrašą iš vaizdų – leidžiantis animuoti jau egzistuojančias DALL·E 3 sukurtas generacijas,
• vaizdo įrašą iš vaizdo ir teksto – leidžiantis tiksliau kurti filmus,
• vaizdo įrašą iš vaizdo – pridedant specialių efektų, prailginant filmą, sujungiant du egzistuojančius įrašus arba keičiant vaizdo stilių,
• vaizdus iš teksto – tikėtina, kad galiausiai pakeis DALL·E ir pasiūlys generacijas su 2048×2048 raiška.

ateityje „Sora“ galėtų būti naudojama kuriant reklamos vaizdo įrašus, socialinės žiniasklaidos turinį ar verslo pristatymus. Tai įrankis, kuris galėtų visiškai pakeisti mūsų vaizdo turinio kūrimo ir dalijimosi būdą:

Šaltinis: „OpenAI“ (https://cdn.openai.com/sora/videos/aquarium-nyc.mp4 arba https://youtu.be/3l8wjxjNubE)

Nors šis milžiniškas žingsnis generatyvinio dirbtinio intelekto plėtros srityje yra jaudinantis, jis taip pat kelia susirūpinimą dėl rizikų, susijusių su giliu klastojimu, ypač JAV prezidento rinkimų kontekste. Grėsmės, susijusios su „Sora“ naudojimu, apima pirmiausia:

• Dezinformacija. Gilių klastojimų, įskaitant fotorealistinius vaizdo įrašus, generuojamus „Sora“, gali skleisti netikras naujienas, kurios gali paveikti viešąją nuomonę ir pakenkti demokratijai. Kurdamas netikrus vaizdo įrašus, kurie atrodo tikri, žiūrovai gali būti manipuliuojami ir apgaudinėjami.
• Privatumo pažeidimas. „Sora“ prieinamumas leistų bet kam, turinčiam kompiuterį ir interneto prieigą, kurti netikrą turinį, įskaitant vaizdo įrašus, kurie pažeidžia privatumą ir neteisėtai naudoja asmeninius duomenis be leidimo. Tikriausiai dėl šios priežasties prireiks šiek tiek laiko, kol „Sora“ taps prieinama plačiajai visuomenei. „OpenAI“ turi užtikrinti tinkamas apsaugos priemones.
• Žalos reputacijai. Naudodami „Sora“, įsilaužėliai gali apsimesti kitais asmenimis, organizacijomis ar prekės ženklais, kad juos šmeižtų. Sukurdami įspūdį, kad kažkas sako ar daro dalykus, kurių niekada nedarė, tokie vaizdo įrašai gali žymiai pakenkti reputacijai ir patikimumui. Gilių klastojimo technologijos derinimas su dirbtinio intelekto balso klonavimu gali, deja, lemti daugelio labai įtikinamų klastojimų sukūrimą. Artėjant prie taško, kai atskirti klastotę nuo tikro įrašo tampa nepaprastai sunku, budrumas, sąmoningumas ir kritinis mąstymas tampa vis svarbesni kovojant su galimu žalos, kurią sukelia gilių klastojimų, poveikiu.

Todėl, nors „Sora“ galimybės yra įspūdingos, turime būti atsargūs dėl jų poveikio visuomenei, kurti reglamentus ir imtis papildomų veiksmų, kad sumažintume jų neigiamas pasekmes.

Kaip naudoti „Sora“?

Nors „Sora“ šiuo metu yra testavimo etape ir nėra prieinama platesnei auditorijai, jos naudojimas atrodo paprastas ir intuityvus procesas. Vartotojai greičiausiai galės ją naudoti taip, kaip dabar naudoja DALL-E 3 „ChatGPT Plus“. Tai yra, rašydami tekstinius komandas, kurias „Sora“ pavers trumpais vaizdo klipais. Tai suteikia naujų galimybių turinio kūrėjams, rinkodaros specialistams ir švietėjams, leidžiant jiems greitai kurti patrauklius, aukštos kokybės vaizdo įrašus.

Kaip „Sora“ lyginama su kitais AI vaizdo generatoriais?

Bet kaip „Sora“ lyginama su kitais vaizdo generatoriais? Kol kas galime tik spėlioti, kaip „Sora“ pasirodys, tačiau remiantis įrankio aprašymu, esančiu „OpenAI“ svetainėje, galime pateikti keletą bendrų pastebėjimų:

• Runway – „Sora“ veiks panašiai, tačiau su daug didesniu realizmu. „Runway“ leidžia kurti vaizdo ir vaizdų turinį naudojant dirbtinį intelektą, įskaitant tekstą į vaizdo ir vaizdo į vaizdą parinktis. Taip pat siūlo redagavimo patobulinimus, tokius kaip fono pašalinimas ir elementų keitimas remiantis tekstiniais nurodymais.
• Synthesia – platforma veikia kitaip nei „Sora“, nes siūlo kurti realistiškus vaizdo įrašus su skaitmeniniais avatarais, palaikydama daugiau nei 120 kalbų ir leidžiant kurti individualius avatarus. Mes dar nežinome, kaip „Sora“ spręs užduotis, tokias kaip garso derinimas ar kalbos generavimas su vizualiu medžiaga, kurią ji kuria.
• HeyGen – jos unikalumas slypi balso klonavime ir galimybėje sukurti avatarą su individualiais gestais, todėl jos funkcionalumas labai skiriasi nuo „Sora“ pasiūlymo.
• Stable Video Diffusion – tikriausiai „Sora“ rimčiausias tiesioginis konkurentas, galintis paversti statiškus vaizdus vaizdo animacijomis, daugiausia socialinės žiniasklaidos turinio kūrėjams. Jos eksperimentinė prigimtis ir tai, kad ji remiasi atvirais modeliais, kelia dideles viltis filmų gamybos ir animacijos kontekste.

„Sora“ skiriasi nuo kitų vaizdo generavimo įrankių, nes ji kuria labai realistiškus vaizdo įrašus, kurie labai primena tikrus įrašus. Raiška čia ypač svarbi. „Sora“ gali kurti vaizdo įrašus su raiška iki 1920x1080px.

Su savo giliu kalbos supratimu modelis tiksliai interpretuoja komandas. Čia „OpenAI“ naudojo DALL-E 3 įrodytą metodą. Modelis pirmiausia interpretuoja paprastą nurodymą, kurį įveda vartotojas, o tada generuoja vizualinį turinį remdamasis jo išsamiu ir detaliu variantu. Tai leidžia jam kurti sudėtingas scenas ir generuoti personažus, kurie išreiškia autentiškas emocijas:

Šaltinis: „OpenAI“ (https://cdn.openai.com/sora/videos/closeup-man-in-glasses.mp4 arba https://youtu.be/pxkfUDoQg5I)

Kaip „Sora“ gali paveikti kūrybinę industriją?

„Sora“ potencialas transformuoti kūrybinę industriją yra milžiniškas. Prieiga prie šio įrankio filmų kūrėjams ir dizaineriams suteikia naują kokybę vaizdo turinio kūrimui. „Sora“ tarnauja kaip modelių, galinčių imituoti realų pasaulį, pagrindas, kuris galėtų būti proveržis siekiant AGI (dirbtinio bendro intelekto). Bent jau taip teigia jos kūrėjai, „OpenAI“.

Kadangi „Sora“ kuria realistiškus judančius vaizdus, panašius į tuos, kuriuos filmuoja žmogaus ranka, ji turi potencialą žymiai pakeisti vaizdo kūrimo sritį, pradedant mokymo medžiagomis ir baigiant Holivudo produkcijomis. „Sora“ neabejotinai paveiks:

• Rinkodarą. „Sora“ turi potencialą revoliucionuoti reklamos kampanijas, greitai generuodama patrauklų vaizdo turinį, remiantis rinkodaros žinutėmis ar produktų aprašymais.
• Pramogų pramonę. Filmų studijos ir turinio kūrėjai gali pasinaudoti „Sora“ gebėjimu kurti realistiškas scenas ir personažus, supaprastindami gamybos procesus.
• Žaidimus. Žaidimų kūrėjai gali naudoti „Sora“ kurdami filmus ar anonsus žaidimuose, pagerindami žaidėjų patirtį.
• Mokymą. Lengvumas kuriant aukštos kokybės mokymo medžiagas, įskaitant „kaip“ instrukcinius vaizdo įrašus, gali žymiai padidinti mokymo ir kursų patrauklumą.

Šaltinis: DALL·E 3, nurodymas: Marta M. Kania (https://www.linkedin.com/in/martamatyldakania/)

Kaip įmonės gali pasinaudoti realistišku AI vaizdo turiniu?

Dirbtinio intelekto naudojimas vaizdo gamyboje suteikia įmonėms daugybę privalumų, tokių kaip laiko ir kaštų taupymas, nuosekli rezultatų kokybė ir padidėjusi galutinio produkto vertė. „OpenAI“ imasi priemonių užtikrinti „Sora“ saugumą, įskaitant bendradarbiavimą su priešingų testavimo komandų ir klasifikatoriaus, skirto AI generuotiems vaizdo įrašams aptikti, kūrimą.

„Sora“ iš „OpenAI“ atveria naujas galimybes kuriant ir vartojant vaizdo turinį. Nuo kūrybinės industrijos revoliucionavimo iki poveikio rinkodarai ir švietimui, iki kasdieninės komunikacijos – potencialas yra milžiniškas. Kaip įrankis, galintis visiškai pakeisti žaidimo taisykles, „Sora“ nusipelno ypatingo dėmesio. Laukiame tolesnės informacijos iš „OpenAI“, ypač apie tai, kada „Sora“ taps prieinama plačiajai visuomenei. Tai žymi naujos eros pradžią vaizdo turinio kūrime. Kitas žingsnis yra jos integracija su garsu, balsu ir 3D modeliais, kurie atvers duris į metaversą.

Jei jums patinka mūsų turinys, prisijunkite prie mūsų užimtų bičių bendruomenės Facebook, Twitter, LinkedIn, Instagram, YouTube, Pinterest, TikTok.