Sora potrafi! Fotorealizm przez wielkie F - Technologie

Generowanie obrazów na podstawie opisów tekstowych nie jest nowością roku 2024. Powstawały już materiały wideo tego typu, lecz trwały one tylko kilka sekund. Firma OpenAI, która „spłodziła” wspomniany ChatGPT, a później generator DALL-E, poszła o kilka kroków naprzód. Stworzyła zaawansowany model o nazwie Sora. Pozwalający „budować” tak mocno realistyczne, dokładne i dłuższe niż dotychczas, spójne filmiki, że ludzki mózg jest oszukiwany!

Wystarczy, że wydamy odpowiednie i proste, nawet pojedyncze polecenie tekstowe, które będzie zmodyfikowane specjalną komendą, a Sora zdziała cuda. Jeden do jednego odwzoruje fakturę obiektu, a nawet zasymuluje zachowanie ludzi oraz zwierząt, zapamiętując ich istnienie, gdy już znikną z kadru! To nie wszystko! Do takich umiejętności dochodzi kontrolowanie pracy kamery, wpływanie na interakcje z otoczeniem oraz tworzenia brakujących klatek i łączenie elementów z dwóch klipów w jeden film, która trwa tylko albo aż minutę.

Imponująca Sora może nieźle „namieszać” w branży filmowej, mimo swoich obecnych słabości. Ma problemy z wiarygodnym symulowaniem fizyki bardziej skomplikowanej sceny. Nie rozumie kwestii związanych z przyczyno-skutkowością krótkiej opowieści obrazowej (np. nie zawsze powstanie ślad na ciastku tuż po jego ugryzieniu, a szkło nie stłucze się naturalnie). Myli się również w rozróżnianiu kierunków przestrzennych (lewo, prawo). A jednak i tak efekty fascynują, i przerażają.

Model, o którym tutaj mowa, jako jedyny, uczył się, obserwując macierzyste materiały, mające wysoką jakość (4K), rozdzielczość (standard to 1920 x 1080) i wiele formatów. Oczywiście nadal jest testowany i rozwijany przez ekspertów z OpenAI. Dodatkowo, co ważne, pragną oni wdrożyć niezbędne zabezpieczenia. Takie, dzięki którym zwykły użytkownik „nie zmusi” Sorę do generowania obrazów wideo ukazujących pornografię, przemoc i „klony” sławnych gwiazd kina, sportu i polityki. Poza nimi, są prowadzone prace nad narzędziami, których zadania związane z Sorą są jasne – „zapanować, czuwać, identyfikować”.

Skoro wystarczył rok na opracowanie tak nowoczesnego rozwiązania, to aż strach pomyśleć, co się stanie za kilka lat… ChatGPT stał się bardzo pomocny w branży copywriterskiej, przyśpieszając pisanie tekstów SEO, ale z drugiej strony spowodował, że wielu copywriterów było posądzanych o oszustwo, tracąc pracę. Ten sam chatbot może podobnie zagrozić ludzkim scenarzystom. Z kolei Sora „zaatakuje” osoby na stanowiskach postprodukcyjnych w Hollywood, w dziale tworzenia efektów specjalnych. Sama przecież za pomocą instrukcji i rozpisanych wytycznych (podpowiedzi) wykreuje ruchomy, porażający realizmem, obraz.

Obawy są słuszne – kilkaset tysięcy fachowców może utracić swoje posady...

A co Wy sądzicie o tak błyskawicznym rozwoju AI?

Poniżej przykładowe klipy wygenerowane przez Sorę w oparciu o tekstowe polecenia, również wymyślone przez użytkowników Twittera/X: