2024-02-16

0155 Per Sora de OpenAI, teksto sufiĉos por krei videon

OpenAI estas nekredebla firmao. Ene de 2 jaroj, ĝi ŝokis min per la nekredebla utileco de ChatGPT, ĝi denove ŝokis min per la boneco de la rezultoj de Dall-E 3, kaj nun ĝi denove ŝokas min per la sufiĉe realismaj videoj de Sora.

La progreso en artefarita intelekto estas tiom rapida. Mi multe entuziasmiĝas pri la novaj aferoj kiujn ni povos fari post 5 jaroj.

Sed ĉi tiu artikolo fokusiĝas pri Sora. Ĝi ĵus aperis do estas granda ŝanco ke vi ne konas ĝin. En la ideo, ĝi multe similas al Dall-E, kiu surbaze de teksto kreas bildon. Sed Sora kreas videon. (Mi parolas pri "video" ĉar neniel produkto de Sora estas "filmita")

https://openai.com/sora

Video ne estas nur aro de generitaj bildoj. Ekzistas kohereco inter ili kiu montras ke Sora havas etan komprenon de la mondo (ekzemple ĝi komprenas kiel reflekto de lumo funkcias, kiel gravito funkcias aŭ kiel vivaĵoj moviĝas ĝenerale).

Mi volas tuj ludi per ĝi. Sed bedaŭrinde ne tuj eblas, ĉar Sora devas unue esti provata de homoj kiuj esploros kiel Sora povus esti uzata por aĉaj celoj kiel amasa misinformado. OpenAI volas kiom eble plej preventi tiun riskon antaŭ ol igi Sora disponebla al ĉiuj.

Sora certe kreos novajn okulojn, ekzemple multaj homoj kiuj skribas rakontojn povos "video-igi" ilin sen bezoni multe da tempo kaj multe da mono kaj multe da sperto. Tiu kapablos krei videojn iĝas tiel pli demokrataj, kaj tio estas plia ilo por homoj esprimi sin.

a cartoon panda holding a camera