Sora. Hogyan fogják a valósághű videók az OpenAI-tól megváltoztatni az üzletet? | MI az üzletben #94

Néhány nappal ezelőtt a Google ismét felkeltette a mesterséges intelligencia rajongóinak figyelmét, amikor bejelentette a Gemini 1.5-öt, mindössze egy héttel azután, hogy kiadta a hatékony Gemini 1.0 Ultra modellt, és átnevezte a Bard chatbotot Geminire.

Azonban az OpenAI nem hagyta, hogy a Google akár egy napig is élvezze a mesterséges intelligencia területén betöltött erős pozícióját. A ChatGPT alkotói egy még izgalmasabb megoldást mutattak be: a Sorát, egy videógenerátort, amely képes szöveges utasítások alapján közel egyperces videók létrehozására. Az OpenAI Sora egy áttörő eszköz, amely forradalmasíthatja a videós tartalomkészítési ipart. De ami a Sorát különlegessé teszi, az nemcsak a technikai képességei, hanem a potenciális alkalmazásainak széles spektruma is – a marketingtől és az oktatástól kezdve a szórakoztatóiparig és a mindennapi kommunikációig. Vizsgáljuk meg, hogyan kívánja a Sora előidézni ezeket a változásokat, és milyen kilátásokat nyit meg a vállalkozások számára.

Sora az OpenAI-tól – egy új korszak a videós tartalomkészítésben

Sokat fejlődtünk az első ügyetlen kísérletek óta, amikor számítógépekkel próbáltunk videókat készíteni. Már nyilvánvaló, hogy a generatív mesterséges intelligencia által készített videók, még azok is, amelyek csak hat hónaposak, meglehetősen ügyetlenül néznek ki a Sora generációihoz képest. Bár a Sora, amely képes valósághű videó jeleneteket létrehozni szöveges utasítások alapján, még mindig kísérleti fázisban van, és még nem elérhető a nagyközönség számára, képességei lenyűgözőek.

A Sora széleskörű alkalmazásokat kínál, amelyek megváltoztathatják a videós tartalom létrehozásának és fogyasztásának módját. Íme néhány példa:

• komplex jelenetek generálása több karakterrel vagy tárggyal,
• már meglévő képek animálása,
• létrehozott videók szerkesztése,
• különböző grafikák vagy videók egyesítése egybe.

Ezek a példák hatalmas előrelépést mutatnak a mesterséges intelligencia területén. Azonban mindenekelőtt új lehetőségeket nyit meg a videós tartalom létrehozásában. Csak nézze meg egy nagy felbontású videó bemutatóját, amely egy virág nyílásának szépségét ábrázolja:

Forrás: OpenAI (https://cdn.openai.com/sora/videos/flower-blooming.mp4 vagy https://youtu.be/UNmqxZoTgsk)

Hogyan fogják használni a Sorát?

A Sora csupán egy játék és egy újabb eszköz a videós tartalom létrehozásához? Nem. Legalábbis az OpenAI szerint. Ahogy a Sora alkotói írják:

Tanítjuk a mesterséges intelligenciát, hogy megértse és szimulálja a mozgó fizikai világot, és a cél az, hogy olyan modelleket képezzünk, amelyek segítenek az embereknek megoldani a valós világgal való interakciót igénylő problémákat.

A videók pontos generálásához a modellnek sokkal mélyebb szinten kell megértenie a világot, mint ami a szöveg létrehozásához szükséges. Ez magában foglalja a fizika, az azonos síkon lévő tárgyak közötti térbeli kapcsolatok és a háttér és a előtér közötti kölcsönhatás megértését.

A Sora képes lesz generálni:

• videót szövegből – a modell első és legfontosabb újítása,
• videót képekből – lehetővé téve a DALL·E 3-ban létrehozott meglévő generációk animálását,
• videót képből és szövegből – lehetővé téve a pontosabb filmkészítést,
• videót videóból – speciális effektek hozzáadása, a film kiterjesztése, két meglévő felvétel kombinálása vagy a videó stílusának megváltoztatása,
• képeket szövegből – valószínűleg végül helyettesítve a DALL·E-t, és 2048×2048 felbontású generációkat kínálva.

A jövőben a Sorát promóciós videók, közösségi média tartalom vagy üzleti prezentációk készítésére lehet használni. Ez egy olyan eszköz, amely teljesen megváltoztathatja a videós tartalom létrehozásának és megosztásának módját:

Forrás: OpenAI (https://cdn.openai.com/sora/videos/aquarium-nyc.mp4 vagy https://youtu.be/3l8wjxjNubE)

Bár ez a hatalmas lépés a generatív mesterséges intelligencia fejlődésében izgalmas, aggodalmakat is felvet a mélyhamisítványokkal kapcsolatos kockázatok miatt, különösen az Egyesült Államok elnökválasztásaival összefüggésben. A Sorával kapcsolatos fenyegetések elsősorban a következőket tartalmazzák:

• Dezinformáció. A mélyhamisítványok, beleértve a Sora által generált fotorealisztikus videókat, terjeszthetik a hamis híreket, amelyek befolyásolhatják a közvéleményt és alááshatják a demokráciát. A hamis videók létrehozásával, amelyek valósnak tűnnek, a nézők manipulálhatók és megtéveszthetők.
• Magánélet megsértése. A Sora elérhetővé tétele lehetővé tenné bárki számára, aki számítógéppel és internet-hozzáféréssel rendelkezik, hogy hamis tartalmakat hozzon létre, beleértve a magánéletet sértő videókat és a személyes adatok engedély nélküli felhasználását. Valószínűleg ezért fog eltartani egy ideig, amíg a Sora elérhetővé válik a nagyközönség számára. Az OpenAI-nak biztosítania kell a megfelelő védelmi intézkedéseket.
• Hírnév károsítása. A Sora használatával a hackerek más egyének, szervezetek vagy márkák megszemélyesítésére használhatják, hogy rágalmazzák őket. Azáltal, hogy azt a látszatot keltik, hogy valaki olyan dolgokat mond vagy tesz, amelyeket soha nem tett, az ilyen videók jelentősen károsíthatják a hírnevet és a hitelességet. A mélyhamisítvány technológia és az AI-alapú hangklónozás kombinálása sajnos sok rendkívül meggyőző hamisítvány létrehozásához vezethet. Ahogy közeledünk ahhoz a ponthoz, ahol rendkívül nehéz megkülönböztetni a hamisítványt az eredeti felvételtől, a figyelem, a tudatosság és a kritikai gondolkodás egyre fontosabbá válik a mélyhamisítványok által okozott potenciális károk elleni küzdelemben.

Ezért, bár a Sora képességei lenyűgözőek, óvatosnak kell lennünk a társadalomra gyakorolt hatásukkal kapcsolatban, szabályozásokat kell létrehoznunk, és további lépéseket kell tennünk a negatív következmények minimalizálása érdekében.

Hogyan használjuk a Sorát?

Bár a Sora jelenleg tesztelési fázisban van, és nem elérhető szélesebb közönség számára, a használata egyszerű és intuitív folyamatnak tűnik. A felhasználók valószínűleg úgy használhatják, ahogy most a DALL-E 3-at a ChatGPT Plusban. Vagyis szöveges parancsokat írnak be, amelyeket a Sora rövid videoklippekké alakít. Ez új lehetőségeket kínál a tartalomkészítők, marketingesek és oktatók számára, lehetővé téve számukra, hogy gyorsan készítsenek vonzó, magas színvonalú videókat.

Hogyan hasonlítható a Sora más AI videógenerátorokhoz?

De hogyan hasonlítható a Sora más videógenerátorokhoz? Jelenleg csak spekulálhatunk arról, hogyan fog teljesíteni a Sora, de az OpenAI weboldalán elérhető eszköz leírása alapján néhány általános megfigyelést tehetünk:

• Runway – A Sora hasonlóan fog működni, de sokkal nagyobb realizmussal. A Runway lehetővé teszi videó- és képtartalom létrehozását AI segítségével, beleértve a szövegből videóvá és képből képpé történő lehetőségeket. Emellett szerkesztési fejlesztéseket is kínál, mint például a háttér eltávolítása és az elemek cseréje szöveges parancsok alapján.
• Synthesia – a platform másképp működik, mint a Sora, mivel valósághű videók létrehozását kínál digitális avatarokkal, több mint 120 nyelvet támogatva és lehetővé téve egyedi avatarok létrehozását. Még nem tudjuk, hogyan fogja a Sora kezelni az olyan feladatokat, mint az audio kombinálása vagy a beszéd generálása az általa létrehozott vizuális anyaggal.
• HeyGen – egyedisége a hangklónozásban és az egyedi gesztusokkal rendelkező avatar létrehozásának képességében rejlik, így a funkcionalitása jelentősen eltér a Sora kínálatától.
• Stable Video Diffusion – valószínűleg a Sora legkomolyabb közvetlen versenytársa, amely statikus képeket képes videó animációkká alakítani, főként a közösségi média tartalomkészítők számára. Kísérleti jellege és az, hogy nyílt hozzáférésű modellekre épül, nagy reményeket ébreszt a filmgyártás és az animáció terén.

A Sora eltér más videógeneráló eszközöktől, mivel rendkívül valósághű videókat készít, amelyek szorosan hasonlítanak a valódi felvételekre. A felbontás különösen fontos itt. A Sora akár 1920x1080px felbontású videókat is készíthet.

A nyelv mély megértésével a modell pontosan értelmezi a parancsokat. Itt az OpenAI a DALL-E 3-ban bevált módszert alkalmazta. A modell először értelmezi a felhasználó által megadott egyszerű utasítást, majd a kidolgozott és részletes verziója alapján generál vizuális tartalmat. Ez lehetővé teszi számára, hogy komplex jeleneteket hozzon létre és olyan karaktereket generáljon, amelyek autentikus érzelmeket fejeznek ki:

Forrás: OpenAI (https://cdn.openai.com/sora/videos/closeup-man-in-glasses.mp4 vagy https://youtu.be/pxkfUDoQg5I)

Hogyan befolyásolhatja a Sora a kreatív ipart?

A Sora potenciálja a kreatív ipar átalakítására óriási. Ennek az eszköznek a hozzáférése a filmesek és tervezők számára új minőséget hoz a videós tartalom létrehozásába. A Sora olyan modellek alapját képezi, amelyek képesek szimulálni a valós világot, ami áttörést jelenthet az AGI (Mesterséges Általános Intelligencia) elérésében. Legalábbis ezt állítják alkotói, az OpenAI.

Mivel a Sora valósághű mozgó képeket készít, amelyek hasonlítanak az emberi kéz által felvett felvételekre, potenciálisan jelentősen megváltoztathatja a videókészítés területét, az oktatási anyagoktól kezdve a hollywoodi produkciókig. A Sora kétségtelenül hatással lesz:

• Marketing. A Sora forradalmasíthatja a reklámkampányokat azáltal, hogy gyorsan generál vonzó videós tartalmakat a marketingüzenetek vagy termékleírások alapján.
• Szórakoztatóipar. A filmes stúdiók és tartalomkészítők profitálhatnak a Sora valósághű jelenetek és karakterek létrehozására való képességéből, egyszerűsítve a gyártási folyamatokat.
• Játékok. A játékfejlesztők a Sorát használhatják filmek vagy előzetesek készítésére a játékokban, fokozva a játékosok élményeit.
• Képzés. A magas színvonalú oktatási anyagok, beleértve a “hogyan kell” útmutató videókat, könnyű létrehozása jelentősen növelheti a képzések és tanfolyamok vonzerejét.

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

Hogyan profitálhatnak a cégek a valósághű AI videóból?

A mesterséges intelligencia használata a videógyártásban számos előnyt kínál a cégek számára, mint például idő- és költségmegtakarítás, a végeredmény minőségének állandósága és a végtermék értékének növelése. Az OpenAI lépéseket tesz a Sora biztonságának biztosítása érdekében, beleértve az ellenséges tesztelő csapatokkal való együttműködést és egy osztályozó kifejlesztését az AI által generált videók észlelésére.

A Sora az OpenAI-tól új lehetőségeket nyit meg a videós tartalom létrehozásában és fogyasztásában. A kreatív ipar forradalmasításától kezdve a marketingre és az oktatásra gyakorolt hatásán át a mindennapi kommunikációra gyakorolt befolyásáig – a potenciál óriási. Mint egy olyan eszköz, amely teljesen megváltoztathatja a játékszabályokat, a Sorának külön figyelmet érdemel. Várjuk az OpenAI további információit, különösen azt, hogy mikor válik a Sora elérhetővé a szélesebb közönség számára. Ez egy új korszak kezdetét jelenti a videós tartalomkészítésben. A következő lépés a hang, a beszéd és a 3D modellek integrálása, ami megnyitja az ajtókat a metaverzumba.

Ha tetszik a tartalmunk, csatlakozz a szorgos méheink közösségéhez a Facebookon, Twitteren, LinkedInen, Instagramon, YouTube-on, Pinterest-en, TikTokon.