Sora. Ako zmenia realistické videá od OpenAI podnikanie? | AI v podnikaní #94

Pár dní dozadu Google opäť upútal pozornosť nadšencov AI oznámením Gemini 1.5 len týždeň po vydaní výkonného modelu Gemini 1.0 Ultra a premenovaní chatbotu Bard na Gemini.

Avšak OpenAI nedovolil Googlu užiť si silnú pozíciu v oblasti AI ani na deň. Tvorcovia ChatGPT odhalili ešte vzrušujúcejšie riešenie: Sora, generátor videí schopný vytvárať takmer minútové videá na základe textových podnetov. OpenAI’s Sora je pripravená stať sa prelomovým nástrojom s potenciálom revolúcie v priemysle tvorby video obsahu. To, čo robí Sorou výnimočnou, nie sú len jej technické schopnosti, ale aj široká škála potenciálnych aplikácií – od marketingu a vzdelávania po zábavný priemysel a každodennú komunikáciu. Poďme preskúmať, ako Sora plánuje priniesť tieto zmeny a aké vyhliadky otvára pre podniky.

Sora od OpenAI – nová éra v tvorbe video obsahu

Prešli sme dlhú cestu od dní prvých neohrabaných pokusov o vytváranie videí pomocou počítačov. Už je zrejmé, že videá vytvorené generatívnou umelou inteligenciou, aj tie len šesť mesiacov staré, vyzerajú dosť neohrabane v porovnaní so Sora generáciami. Hoci Sora, ktorá dokáže vytvárať realistické video scény na základe textových inštrukcií, je stále v experimentálnej fáze a zatiaľ nie je dostupná pre verejnosť, jej schopnosti sú ohromujúce.

Sora ponúka širokú škálu aplikácií, ktoré môžu zmeniť spôsob, akým vytvárame a konzumujeme video obsah. Tu je niekoľko príkladov:

• generovanie komplexných scén s viacerými postavami alebo objektmi,
• animovanie už existujúcich obrázkov,
• úprava vytvorených videí,
• kombinovanie rôznych grafík alebo videí do jedného.

Tieto príklady ukazujú obrovský pokrok v oblasti AI. Avšak predovšetkým otvára dvere novým možnostiam v tvorbe video obsahu. Stačí sa pozrieť na prezentáciu videa s vysokým rozlíšením, ktoré zobrazuje krásu rozkvitajúceho kvetu:

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

Ako sa Sora bude používať?

Je Sora len hračka a ďalší nástroj na vytváranie video obsahu? Nie. Aspoň podľa OpenAI. Ako píšu tvorcovia Sory:

Učíme umelú inteligenciu rozumieť a simulovať fyzický svet v pohybe, a cieľom je trénovať modely, ktoré pomáhajú ľuďom riešiť problémy vyžadujúce interakciu s reálnym svetom.

Aby model presne generoval videá, musí chápať svet na oveľa hlbšej úrovni, než je potrebné na vytváranie textu. To zahŕňa porozumenie fyzike, priestorovým vzťahom medzi objektmi na tej istej rovine a interakciu medzi popredím a pozadím.

Sora bude schopná generovať:

• video z textu – prvá a najdôležitejšia inovácia modelu,
• video z obrázkov – umožňujúce animáciu existujúcich generácií vytvorených v DALL·E 3,
• video z obrázku a textu – umožňujúce presnejšiu tvorbu filmov,
• video z videa – pridávanie špeciálnych efektov, predlžovanie filmu, kombinovanie dvoch existujúcich nahrávok alebo zmena štýlu videa,
• obrázky z textu – pravdepodobne nakoniec nahrádzajúce DALL·E a ponúkajúce generácie s rozlíšením 2048×2048.

V budúcnosti by sa Sora mohla používať na vytváranie propagačných videí, obsahu pre sociálne médiá alebo obchodných prezentácií. Je to nástroj, ktorý by mohol úplne zmeniť spôsob, akým vytvárame a zdieľame video obsah:

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

Aj keď tento kolosálny krok vo vývoji generatívnej umelej inteligencie je vzrušujúci, vyvoláva aj obavy týkajúce sa rizík spojených s deep fake, najmä v súvislosti s prezidentskými voľbami v USA. Hrozby spojené s používaním Sory zahŕňajú predovšetkým:

• Dezinformácie. Deepfakes, vrátane fotorealistických videí generovaných Sorou, môžu šíriť falošné správy, ktoré môžu ovplyvniť verejnú mienku a podkopať demokraciu. Vytváraním falošných videí, ktoré vyzerajú reálne, môžu byť diváci manipulovaní a oklamaní.
• Porušenie súkromia. Sprístupnenie Sory by umožnilo komukoľvek s počítačom a prístupom na internet vytvárať falošný obsah, vrátane videí, ktoré porušujú súkromie a zneužívajú osobné údaje bez povolenia. Pravdepodobne z tohto dôvodu potrvá nejaký čas, kým bude Sora dostupná pre širokú verejnosť. OpenAI musí zabezpečiť primerané ochranné opatrenia.
• Poškodenie reputácie. Používaním Sory môžu hackeri napodobňovať iné osoby, organizácie alebo značky, aby ich očiernili. Vytváraním dojmu, že niekto hovorí alebo robí veci, ktoré nikdy neurobil, môžu takéto videá výrazne poškodiť reputáciu a dôveryhodnosť. Kombinovanie technológie deepfake s klonovaním hlasu založeným na AI môže, bohužiaľ, viesť k vytvoreniu mnohých veľmi presvedčivých falošných videí. Keď sa blížime k bodu, kde je rozlíšenie falošného videa od skutočného nahrávania extrémne ťažké, ostražitosť, uvedomenie a kritické myslenie sa stávajú čoraz dôležitejšími v boji proti potenciálnemu poškodeniu spôsobenému deepfakes.

Preto, aj keď sú schopnosti Sory ohromujúce, musíme byť opatrní ohľadom ich dopadu na spoločnosť, vytvárať regulácie a podniknúť ďalšie kroky na minimalizáciu ich negatívnych dôsledkov.

Ako používať Soru?

Aj keď je Sora momentálne v testovacej fáze a nie je dostupná pre širšie publikum, používanie sa zdá byť jednoduchým a intuitívnym procesom. Používatelia ju pravdepodobne budú môcť používať tak, ako teraz používajú DALL-E 3 v ChatGPT Plus. To znamená, že napíšu textové príkazy, ktoré Sora premení na krátke videoklipy. To ponúka nové príležitosti pre tvorcov obsahu, marketérov a pedagógov, umožňujúc im rýchlo vytvárať pútavé, kvalitné videá.

Ako sa Sora porovnáva s inými generátormi videí AI?

Ale ako sa Sora porovnáva s inými generátormi videí? Zatiaľ môžeme len špekulovať, ako Sora bude fungovať, ale na základe popisu nástroja dostupného na webovej stránke OpenAI môžeme urobiť niektoré všeobecné pozorovania:

• Runway – Sora bude fungovať podobne, ale s oveľa vyšším realizmom. Runway vám umožňuje vytvárať video a obrazový obsah pomocou AI, vrátane možností text-to-video a image-to-image. Taktiež ponúka vylepšenia úprav, ako je odstránenie pozadia a nahradenie prvkov na základe textových príkazov.
• Synthesia – platforma funguje inak ako Sora, pretože ponúka vytváranie realistických videí s digitálnymi avatarami, podporujúcimi viac ako 120 jazykov a umožňujúcimi vytváranie vlastných avatarov. Ešte nevieme, ako Sora zvládne úlohy ako kombinovanie zvuku alebo generovanie reči s vizuálnym materiálom, ktorý vytvára.
• HeyGen – jej jedinečnosť spočíva v klonovaní hlasu a schopnosti vytvoriť avatar s vlastnými gestami, takže jej funkčnosť sa výrazne líši od ponuky Sory.
• Stable Video Diffusion – pravdepodobne najvážnejší priamy konkurent Sory, schopný premeniť statické obrázky na video animácie, hlavne pre tvorcov obsahu na sociálnych médiách. Jej experimentálna povaha a fakt, že je založená na modeloch s otvoreným prístupom, vzbudzujú veľké nádeje v kontexte filmovej produkcie a animácie.

Sora sa líši od iných nástrojov na generovanie videí, pretože vytvára vysoko realistické videá, ktoré sa veľmi podobajú skutočným nahrávkam. Rozlíšenie je tu obzvlášť dôležité. Sora dokáže vytvárať videá s rozlíšením až 1920x1080px.

So svojím hlbokým porozumením jazyka model presne interpretuje príkazy. Tu OpenAI použil metódu osvedčenú v DALL-E 3. Model najprv interpretuje jednoduchý podnet zadaný používateľom a potom generuje vizuálny obsah na základe jeho podrobnej a detailnej verzie. To mu umožňuje vytvárať komplexné scény a generovať postavy, ktoré vyjadrujú autentické emócie:

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

Ako môže Sora ovplyvniť kreatívny priemysel?

Potenciál Sory transformovať kreatívny priemysel je obrovský. Prístup k tomuto nástroju pre filmárov a dizajnérov prináša novú kvalitu do tvorby video obsahu. Sora slúži ako základ pre modely schopné simulovať reálny svet, čo by mohlo byť prelomom v dosahovaní AGI (Umelá všeobecná inteligencia). Aspoň to tvrdia jej tvorcovia, OpenAI.

Keďže Sora vytvára realistické pohyblivé obrázky podobné tým, ktoré sú natáčané ľudskou rukou, má potenciál výrazne zmeniť oblasť tvorby videí, od školení po hollywoodske produkcie. Sora nepochybne ovplyvní:

• Marketing. Sora má potenciál revolučne zmeniť reklamné kampane rýchlym generovaním atraktívneho video obsahu na základe marketingových správ alebo popisov produktov.
• Zábavný priemysel. Filmové štúdiá a tvorcovia obsahu môžu ťažiť z Sory schopnosti vytvárať realistické scény a postavy, čo zefektívňuje produkčné procesy.
• Hry. Vývojári hier môžu využiť Sorou na vytváranie filmov alebo trailerov v rámci hier, čím zlepšia zážitky hráčov.
• Školenie. Jednoduchosť vytvárania kvalitných vzdelávacích materiálov, vrátane “návodov”, môže výrazne zvýšiť atraktivitu školení a kurzov.

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

Ako môžu firmy ťažiť z realistického AI videa?

Používanie AI vo video produkcii ponúka firmám množstvo výhod, ako sú úspory času a nákladov, konzistentná kvalita výsledkov a zvýšená hodnota konečného produktu. OpenAI podniká kroky na zabezpečenie bezpečnosti Sory, vrátane spolupráce s tímami na testovanie proti nepriateľským útokom a vývoja klasifikátora na detekciu videí generovaných AI.

Sora od OpenAI otvára nové možnosti pre vytváranie a konzumáciu video obsahu. Od revolúcie v kreatívnom priemysle po ovplyvnenie marketingu a vzdelávania, až po ovplyvnenie každodennej komunikácie – potenciál je obrovský. Ako nástroj, ktorý môže úplne zmeniť pravidlá hry, si Sora zaslúži osobitnú pozornosť. Tešíme sa na ďalšie informácie od OpenAI, najmä pokiaľ ide o to, kedy sa Sora stane dostupnou pre širšiu verejnosť. Toto znamená začiatok novej éry v tvorbe video obsahu. Ďalším krokom je jej integrácia so zvukom, hlasom a 3D modelmi, čo otvorí dvere do metaverza.

Ak sa vám náš obsah páči, pridajte sa k našej komunite usilovných včiel na Facebooku, Twitteri, LinkedIn, Instagrame, YouTube, Pinterest, TikTok.