ChatGPT ma siostrę. Jej klipów nie odróżnisz od rzeczywistości

OpenAI to laboratorium badawcze specjalizujące się w dziedzinie sztucznej inteligencji. Studio zaprezentowało nowy, imponujący model generatywnego przetwarzania tekstu na wideo o nazwie Sora. Model dyfuzyjny może przekształcać krótkie opisy tekstowe w klipy wideo o wysokiej rozdzielczości i długości do jednej minuty.

Krótko mówiąc, Sora działa podobnie jak ChatGPT czy Dall-E z tą różnicą, że zamiast tekstu lub statycznych obrazów generuje ultrarealistyczne klipy wideo. Wystarczy, że użytkownik wpisze odpowiednie polecenie z instrukcją tekstową, a Sora po jego rozpoznaniu wygeneruje oczekiwany klip.

Trzeba jednak podkreślić, że Sora trafiła na razie do wąskiego grona wyspecjalizowanych odbiorców. Badacze i twórcy filmowi ocenią jej wydajność przed szerszym udostępnieniem publiczności. OpenAI nie podało jeszcze oficjalnej daty premiery.

Niewątpliwie Sora może zrewolucjonizować branżę filmową. Dzięki niej ekipy nagraniowe nie będą musiały trudzić się, by złapać jak najlepszy kard w trudno dostępnych miejscach. Wszystko załatwi za nich Sora, która wygeneruje daną lokalizację, scenę i wydarzenie za pomocą mocy obliczeniowej.

Z drugiej strony pojawiają się obawy o kwestie bezpieczeństwa. Takie narzędzie może być w końcu wykorzystane do generowania deepfejków. OpenAI chce temu zapobiec, dlatego współpracuje z ekipą ekspertów od cyberbezpieczeństwa, która kontradyktoryjnie testuje model.

Zespół przygotowuje również narzędzia pomagające wykrywać wprowadzające w błąd treści, takie jak klasyfikator wykrywania, który może stwierdzić, kiedy wideo zostało wygenerowane przez Sora. Opracowano również niezawodne klasyfikatory obrazu, które są używane do sprawdzania klatek każdego wygenerowanego wideo, aby upewnić się, że są one zgodne z zasadami użytkowania, zanim zostaną wyświetlone użytkownikowi.