Сора. Как реалистичните видеа от OpenAI ще променят бизнеса? | ИИ в бизнеса #94

Преди няколко дни Google отново привлече вниманието на ентусиастите на изкуствения интелект, обявявайки Gemini 1.5 само седмица след пускането на мощния модел Gemini 1.0 Ultra и преименуването на чатбота Bard на Gemini.

Въпреки това, OpenAI не позволи на Google да се радва на силна позиция в областта на изкуствения интелект дори за един ден. Създателите на ChatGPT разкриха още по-вълнуващо решение: Sora, генератор на видео, способен да създава почти минутни видеа на базата на текстови подсказки. Sora на OpenAI е готова да бъде пробивен инструмент с потенциал да революционизира индустрията за създаване на видео съдържание. Но това, което прави Sora изключителна, не са само техническите й възможности, а и широкият спектър от потенциални приложения – от маркетинг и образование до развлекателната индустрия и ежедневна комуникация. Нека разгледаме как Sora възнамерява да донесе тези промени и какви перспективи отваря за бизнеса.

Sora от OpenAI – нова ера в създаването на видео съдържание

Изминали сме дълъг път от времето на първоначалните неумели опити за създаване на видеа с помощта на компютри. Вече е очевидно, че видеата, създадени от генеративен изкуствен интелект, дори тези, които са само на шест месеца, изглеждат доста неуместно в сравнение с поколенията на Sora. Въпреки че Sora, която може да създава реалистични видео сцени на базата на текстови инструкции, все още е в експериментален етап и не е налична за обществеността, нейните възможности са зашеметяващи.

Sora предлага широк спектър от приложения, които могат да променят начина, по който създаваме и консумираме видео съдържание. Ето няколко примера:

• генериране на сложни сцени с множество герои или обекти,
• анимиране на вече съществуващи изображения,
• редактиране на създадени видеа,
• комбиниране на различни графики или видеа в едно.

Тези примери показват огромен напредък в областта на изкуствения интелект. Въпреки това, преди всичко, те отварят врати за нови възможности в създаването на видео съдържание. Просто погледнете представянето на високо резолюционно видео, изобразяващо красотата на разцъфващ цвете:

Източник: OpenAI (https://cdn.openai.com/sora/videos/flower-bloom”ing.mp4 или https://youtu.be/UNmqxZoTgsk)

Как ще се използва Sora?

Дали Sora е просто играчка и още един инструмент за създаване на видео съдържание? Не. Поне според OpenAI. Както пишат създателите на Sora:

Ние учим изкуствения интелект да разбира и симулира физическия свят в движение, а целта е да обучим модели, които помагат на хората да решават проблеми, изискващи взаимодействие с реалния свят.

За да генерира видеа точно, моделът трябва да разбира света на много по-дълбоко ниво, отколкото е необходимо за създаване на текст. Това включва разбиране на физиката, пространствените отношения между обектите на същата равнина и взаимодействието между преден и заден план.

Sora ще може да генерира:

• видео от текст – първата и най-важна иновация на модела,
• видео от изображения – позволява анимация на съществуващи поколения, създадени в DALL·E 3,
• видео от изображение и текст – позволява по-прецизно създаване на филми,
• видео от видео – добавяне на специални ефекти, удължаване на филма, комбиниране на две съществуващи записи или промяна на стила на видеото,
• изображения от текст – вероятно в крайна сметка заменя DALL·E и предлага поколения с резолюция 2048×2048.

В бъдеще Sora може да се използва за създаване на промоционални видеа, съдържание за социални медии или бизнес презентации. Това е инструмент, който може напълно да промени начина, по който създаваме и споделяме видео съдържание:

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

Въпреки че тази колосална стъпка в развитието на генеративния изкуствен интелект е вълнуваща, тя също така повдига притеснения относно рисковете, свързани с дълбоките фалшификации, особено във връзка с президентските избори в САЩ. Заплахите, свързани с използването на Sora, включват предимно:

• Дезинформация. Дълбоките фалшификации, включително фотореалистични видеа, генерирани от Sora, могат да разпространяват фалшиви новини, които могат да повлияят на общественото мнение и да подкопаят демокрацията. Създавайки фалшиви видеа, които изглеждат реални, зрителите могат да бъдат манипулирани и измамени.
• Нарушаване на личния живот. Правенето на Sora достъпна би позволило на всеки с компютър и интернет достъп да създава фалшиво съдържание, включително видеа, които нарушават личния живот и злоупотребяват с лични данни без разрешение. Вероятно по тази причина ще отнеме известно време, преди Sora да стане достъпна за широката общественост. OpenAI трябва да осигури подходящи предпазни мерки.
• Нансяне на вреда на репутацията. Чрез използването на Sora, хакери могат да се представят за други лица, организации или марки, за да ги оклеветят. Създавайки впечатление, че някой казва или прави неща, които никога не е правил, такива видеа могат значително да навредят на репутацията и достоверността. Комбинирането на технологията за дълбоки фалшификации с клониране на глас на базата на изкуствен интелект може, за съжаление, да доведе до създаването на много силно убедителни фалшификации. Когато достигнем момент, в който разграничаването на фалшификация от истинска записка става изключително трудно, бдителността, осведомеността и критичното мислене стават все по-важни в борбата с потенциалната вреда, причинена от дълбоките фалшификации.

Следователно, въпреки че възможностите на Sora са впечатляващи, трябва да бъдем внимателни относно тяхното въздействие върху обществото, да създадем регулации и да предприемем допълнителни стъпки за минимизиране на негативните им последици.

Как да използваме Sora?

Въпреки че Sora в момента е в етап на тестване и не е налична за по-широка аудитория, използването й изглежда като прост и интуитивен процес. Потребителите вероятно ще могат да я използват, както сега използват DALL-E 3 в ChatGPT Plus. Тоест, да въвеждат текстови команди, които Sora ще преобразува в кратки видеоклипове. Това предлага нови възможности за създателите на съдържание, маркетолозите и образователите, позволявайки им бързо да създават ангажиращи, висококачествени видеа.

Как Sora се сравнява с други генератори на видео с изкуствен интелект?

Но как Sora се сравнява с другите генератори на видео? За сега можем само да спекулираме как Sora ще се представи, но на базата на описанието на инструмента, налично на сайта на OpenAI, можем да направим някои общи наблюдения:

• Runway – Sora ще работи по подобен начин, но с много по-висока реалистичност. Runway позволява създаване на видео и изображение съдържание с помощта на изкуствен интелект, включително опции за текст към видео и изображение към изображение. Тя също така предлага подобрения в редактирането, като премахване на фон и замяна на елементи на базата на текстови команди.
• Synthesia – платформата работи по различен начин от Sora, тъй като предлага създаване на реалистични видеа с цифрови аватари, поддържайки над 120 езика и позволявайки създаването на персонализирани аватари. Все още не знаем как Sora ще се справи с задачи като комбиниране на аудио или генериране на реч с визуалния материал, който създава.
• HeyGen – уникалността й се състои в клонирането на глас и способността да създава аватар с персонализирани жестове, така че функционалността й значително се различава от предложението на Sora.
• Stable Video Diffusion – вероятно най-сериозният пряк конкурент на Sora, способен да превръща статични изображения в видео анимации, основно за създателите на съдържание в социалните медии. Нейната експериментална природа и фактът, че е базирана на модели с отворен достъп, повдигат големи надежди в контекста на производството на филми и анимация.

Sora се различава от другите инструменти за генериране на видео, тъй като създава изключително реалистични видеа, които тясно наподобяват истински записи. Резолюцията е особено важна тук. Sora може да прави видеа с резолюции до 1920x1080px.

С дълбокото си разбиране на езика, моделът точно интерпретира командите. Тук OpenAI използва метода, доказан в DALL-E 3. Моделът първо интерпретира проста подсказка, въведена от потребителя, а след това генерира визуално съдържание на базата на своята сложна и детайлна версия. Това му позволява да създава сложни сцени и да генерира герои, които изразяват автентични емоции:

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

Как Sora може да повлияе на креативната индустрия?

Потенциалът на Sora да трансформира креативната индустрия е огромен. Достъпът до този инструмент за филмови творци и дизайнери носи ново качество в създаването на видео съдържание. Sora служи като основа за модели, способни да симулират реалния свят, което може да бъде пробив в постигането на AGI (Изкуствен Общ Интелект). Поне така твърдят създателите й, OpenAI.

Тъй като Sora създава реалистични движещи се изображения, подобни на тези, заснети от човешка ръка, тя има потенциала значително да промени областта на създаването на видео, от обучителни материали до холивудски продукции. Sora несъмнено ще повлияе на:

• Маркетинг. Sora има потенциала да революционизира рекламните кампании, бързо генерирайки привлекателно видео съдържание на базата на маркетингови съобщения или описания на продукти.
• Развлекателна индустрия. Филмовите студия и създателите на съдържание могат да се възползват от способността на Sora да създава реалистични сцени и герои, опростявайки производствените процеси.
• Игри. Разработчиците на игри могат да използват Sora, за да създават филми или трейлъри в игрите, подобрявайки опита на играчите.
• Обучение. Леснотата на създаването на висококачествени образователни материали, включително “как да” обучителни видеа, може значително да увеличи привлекателността на обучението и курсовете.

Източник: DALL·E 3, подсказка: Марта М. Кания (https://www.linkedin.com/in/martamatyldakania/)

Как компаниите могат да се възползват от реалистичното видео с изкуствен интелект?

Използването на изкуствен интелект в производството на видео предлага на компаниите редица предимства, като спестяване на време и разходи, последователно качество на резултатите и увеличаване на стойността на крайния продукт. OpenAI предприема стъпки за осигуряване на безопасността на Sora, включително сътрудничество с екипи за анти-агресивно тестване и разработване на класификатор за откриване на видеа, генерирани от изкуствен интелект.

Sora от OpenAI отваря нови възможности за създаване и консумиране на видео съдържание. От революционизиране на креативната индустрия до влияние върху маркетинга и образованието, до влияние върху ежедневната комуникация – потенциалът е огромен. Като инструмент, който може напълно да промени правилата на играта, Sora заслужава специално внимание. Очакваме допълнителна информация от OpenAI, особено относно кога Sora ще стане достъпна за по-широката общественост. Това бележи началото на нова ера в създаването на видео съдържание. Следващата стъпка е интеграцията й със звук, глас и 3D модели, което ще отвори врати към метавселената.

Ако харесвате нашето съдържание, присъединете се към нашата общност на пчеличките на Facebook, Twitter, LinkedIn, Instagram, YouTube, Pinterest, TikTok.