Kokeile OpenAI Soraa
Luoda video tekstistä/kuvasta, luoda silmukkavideo, jatkaa videota eteen- ja taaksepäin
Ole ensimmäisten joukossa, jotka tietävät, kun Sora on suorassa lähetyksessä!
Tietoja OpenAI Sora
Mikä on Sora
OpenAI:n teksti-videomalli. Sora voi generoida videoita jopa minuutin pituisiksi säilyttäen visuaalisen laadun ja noudattaen käyttäjän tekstiohjeita.
Soran tavoite
Sora toimii perustana malleille, jotka voivat ymmärtää ja simuloida todellista maailmaa, auttaa ihmisiä ratkaisemaan ongelmia, jotka vaativat vuorovaikutusta todellisen maailman kanssa.
Edistys
Vain punaisten tiimiläisten ja kutsuttujen visuaalisten taiteilijoiden, suunnittelijoiden ja elokuvaohjaajien saatavilla.
Ominaisuudet
Tukee useiden hahmojen, tarkkojen liiketyyppien, aiheiden ja taustatietojen tarkkuutta; Mallit ymmärtävät, miten nämä asiat ovat olemassa fyysisessä maailmassa, useita otoksia yhdessä videossa.
Rajoitukset
Vaikeus simuloida monimutkaisia fysiikkaa tarkasti, tilallisten yksityiskohtien sekaannus, esineiden ja hahmojen spontaani esiintyminen, epätarkka fyysinen mallinnus ja epäluonnollinen esineiden muodonmuutos.
Turvallisuus
Yhteistyö punaisten tiimien kanssa vihamielisen testauksen suorittamiseksi mallissa havaitakseen ja käsitelläkseen turvallisuusongelmia, Rakenna työkaluja auttamaan havaitsemaan harhaanjohtavaa sisältöä käyttämällä havaitsemisluokittelijoita ja C2PA-metatietoja.
Näyttelyt - päivittäinen päivitys
Prompt
a brown and white border collie stands on a skateboard, wearing sunglasses
Prompt
1st person view taking the longest zip-line in the world through Dubai
Prompt
-
Prompt
-
Prompt
-
Prompt
Style: Modern cinematic realism with vivid visual accents. A summer evening. A group of young friends is gathered on a rooftop, overlooking the glowing city lights. They’re laughing, chatting, and enjoying the vibe with soft music playing in the background. The camera slowly zooms in on a bottle of YOMI beer on the table. Cold condensation drips down the glass, highlighting the vibrant golden hue of the drink. The focus shifts to a hand reaching for the bottle. The camera follows the motion, capturing the crisp sound of the bottle cap popping open. A sip. A deep breath. A smile. In the background, a voice speaks: ‘YOMI — the taste of the moment. Capture your inspiration.’ Final scene: A bottle of YOMI stands against the backdrop of a setting sun, its golden light refracting through the beer. The brand logo and tagline appear on screen: ‘YOMI. The time of your story.
Prompt
The camera follows behind a white vintage SUV with a black roof rack as it speeds up a steep dirt road surrounded by pine trees on a steep mountain slope, dust kicks up from its tires, the sunlight shines on the SUV as it speeds along the dirt road, casting a warm glow over the scene
Prompt
POV, ACTION SHOTS, JUMPCUTS, Montage,, tracking shot, from the side hyperspeed, 30x speed, cinematic atmosphere, person having a futuristic neon beachpunk in punkexosuit form around them, suiting up, glow and light, Phanto-Cinematic still, beachpunk gigadream, kodak etkar 100, hypersurrealist retrowave religiouscience fiction, Southern California, emocore, hyperfuturistic, beachpunk ISO: T2.8, compression: ARRIRAW, lighting_conditions: ultraviolet blacklight, backlit,
Prompt
Close-up shot of a freeride skier carving through deep, untouched powder snow during a vibrant sunset in the Alps. The camera starts low, tracking alongside the skier as they make a powerful turn, sending a spray of fine snow into the air. The spray catches the warm golden-pink light of the setting sun, creating a stunning glow and sparkling reflections. The camera then pans upward and slightly rotates, revealing the majestic alpine peaks bathed in the sunset’s hues. The skier continues gracefully downhill, leaving a glowing trail of light and snow in their wake as the scene fades into the serene mountain landscape.
Prompt
An elegant scene set in Egypt featuring a female anthropomorphic fox character. She has vibrant red-orange fur and vivid green eyes, posing gracefully near ancient Egyptian ruins with the iconic pyramids in the background. She is wearing a flowing, semi-transparent, culturally inspired robe with golden patterns. The setting includes sandy terrain, scattered palm trees, and hints of ancient stone structures adorned with hieroglyphics. The sky is clear, and the sun casts a warm glow over the scene, emphasizing the mystique of the Egyptian desert landscape.
Prompt
A stylish woman walks down a Seoul street filled with warm glowing neon and animated city signage. She wears a black leather jacket, a long red dress, and black boots, and carries a black purse. She wears sunglasses and red lipstick. She walks confidently and casually. The street is damp and reflective, creating a mirror effect of the colorful lights. Many pedestrians walk about.
Prompt
A stylish woman walks down a Seoul street filled with warm glowing neon and animated city signage. She wears a black leather jacket, a long red dress, and black boots, and carries a black purse. She wears sunglasses and red lipstick. She walks confidently and casually. The street is damp and reflective, creating a mirror effect of the colorful lights. Many pedestrians walk about.
Other AI video products
Company | Generation Type | Max Length | Extend? | Camera Controls? (zoom, pan) | Motion Control? (amount) | Other Features | Format |
---|---|---|---|---|---|---|---|
Runway | Text-to-video, image-to-video, video-to-video | 4 sec | Yes | Yes | Yes | Motion brush, upscale | Website |
Pika | Text-to-video, image-to-video | 3 sec | Yes | Yes | Yes | Modify region, expand canvas, upscale | Website |
Genmo | Text-to-video, image-to-video | 6 sec | No | Yes | Yes | FX presets | Website |
Kaiber | Text-to-video, image-to-video, video-to-video | 16 sec | No | No | No | Sync to music | Website |
Stability | Image-to-video | 4 sec | No | No | Yes | WebsiteLocal model, SDK | |
Zeroscope | Text-to-video | 3 sec | No | No | No | Local model | |
ModelScope | Text-to-video | 3 sec | No | No | No | Local model | |
Animate Diff | Text-to-video, image-to-video, video-to-video | 3 sec | No | No | No | Local model | |
Morph | Text-to-video | 3 sec | No | No | No | Discord bot | |
Hotshot | Text-to-video | 2 sec | No | No | No | Website | |
Moonvalley | Text-to-video, image-to-video | 3 sec | No | Yes | No | Discord bot | |
Deforum | Text-to-video | 14 sec | No | Yes | No | FX presets | Discord bot |
Leonardo | Image-to-video | 4 sec | No | No | Yes | Website | |
Assistive | Text-to-video, Image-to-video | 4 sec | No | No | Yes | Website | |
Neural Frames | Text-to-video, image-to-video, video-to-video | Unlimited | No | No | No | Sync to music | Website |
MagicHour | Text-to-video, image-to-video, video-to-video | Unlimited | No | No | No | Face swap, sync to music | Website |
Vispunk | Text-to-video | 3 sec | No | Yes | No | Website | |
Decohere | Text-to-video, Image-to-video | 4 sec | No | No | Yes | Website | |
Domo Al | Image-to-video, video-to-video | 3 sec | No | No | Yes | Discord bot |
Ihmiset puhuvat Sorasta x: stä
SoraAI by OpenAI is wild.
— Alamin (@iam_chonchol) February 18, 2024
These are 100% generated only from text and take just 1 minute 🤯
10 wild examples ( 2nd is WOW ) pic.twitter.com/NLetbJVa2v
If you think OpenAI Sora is a creative toy like DALLE, ... think again. Sora is a data-driven physics engine. It is a simulation of many worlds, real or fantastical. The simulator learns intricate rendering, "intuitive" physics, long-horizon reasoning, and semantic grounding, all… pic.twitter.com/pRuiXhUqYR
— Jim Fan (@DrJimFan) February 15, 2024
"this close-up shot of a futuristic cybernetic german shepherd showcases its striking brown and black fur..."
— Bill Peebles (@billpeeb) February 18, 2024
Video generated by Sora. pic.twitter.com/Bopbl0yv0Y
Sora and Stable Video, text to video compare. pic.twitter.com/pZzSeSXPtN
— Retropunk (@RetropunkAI) February 17, 2024
OpenAI's Sora is the most advanced text-to-video tool yet. 💡
— Escher (@Escher_AI) February 16, 2024
It can generate compellingly realistic characters, create multiple dynamic shots in a single video, with accurate details of both subjects and background.
Here's the 10 best generations so far
🧵👇 pic.twitter.com/FHp0cxt0Ll
OpenAI's Sora is going to change marketing forever, enabling anyone to unleash his inner creativity.
— William Briot (@WilliamBriot) February 15, 2024
Check this 100% AI-generated video of Mammoth generated with the new "text-to-video" OpenAI model: pic.twitter.com/DcDGPjpBXC
"a photorealistic video of a butterfly that can swim navigating underwater through a beautiful coral reef"
— Tim Brooks (@_tim_brooks) February 17, 2024
Video generated by Sora pic.twitter.com/nebCKLa09U
Another Sora video, Sora can generate multiple videos side-by-side simultaneously.
— 🅱️WhiteAfricanSpaceJesus (@zespacejesus) February 18, 2024
This is a single video sample from Sora. It is not stitched together; Sora decided it wanted to have five different viewpoints all at once! pic.twitter.com/q2rfxh61CQ
Sora can also generate stories involving a sequence of events, although it's far from perfect.
— Bill Peebles (@billpeeb) February 17, 2024
For this video, I asked that a golden retriever and samoyed should walk through NYC, then a taxi should stop to let the dogs pass a crosswalk, then they should walk past a pretzel and… pic.twitter.com/OhqVFqR5vA
https://t.co/uCuhUPv51N pic.twitter.com/nej4TIwgaP
— Sam Altman (@sama) February 15, 2024
https://t.co/P26vJHlw06 pic.twitter.com/AW9TfYBu3b
— Sam Altman (@sama) February 15, 2024
https://t.co/rPqToLo6J3 pic.twitter.com/nPPH2bP6IZ
— Sam Altman (@sama) February 15, 2024
https://t.co/WJQCMEH9QG pic.twitter.com/Qa51e18Vph
— Sam Altman (@sama) February 15, 2024
a wizard wearing a pointed hat and a blue robe with white stars casting a spell that shoots lightning from his hand and holding an old tome in his other hand
— biden or buster (@willofdoug) February 15, 2024
Usein kysytyt kysymykset
Sora on tekoälymalli, jonka on kehittänyt OpenAI, ja se pystyy luomaan realistisia ja mielikuvituksellisia videosiirtoja tekstiohjeista. Sen tarkoituksena on simuloida fyysistä maailmaa liikkeessä, generoiden videoita jopa minuutin pituisiksi säilyttäen visuaalisen laadun ja noudattaen käyttäjän antamaa ohjetta.
Sora on diffuusiomalli, joka alkaa videosta, joka muistuttaa staattista kohinaa, ja muuttuu vähitellen poistamalla kohinaa useiden vaiheiden aikana. Se käyttää muuntaja-arkkitehtuuria, samanlaista kuin GPT-mallit, ja edustaa videoita ja kuvia pienempien tietoyksiköiden kokoelmina, joita kutsutaan laastareiksi.
Sora voi luoda laajan valikoiman videoita, mukaan lukien monimutkaisia kohtauksia useilla hahmoilla, tiettyjä liiketyyppejä ja tarkkoja yksityiskohtia aiheista ja taustoista. Se voi myös ottaa olemassa olevan staattisen kuvan ja animoida sen tai laajentaa olemassa olevaa videota täyttämällä puuttuvat kehykset.
Sora voi kamppailla tarkasti simuloimaan monimutkaisten kohtausten fysiikkaa, ymmärtämään tiettyjä syy-seuraus -tilanteita ja säilyttämään avaruudelliset yksityiskohdat ajan mittaan. Se voi joskus luoda fyysisesti epätodennäköistä liikettä tai sekoittaa avaruudellisia yksityiskohtia.
OpenAI työskentelee punaisten tiimien kanssa testatakseen mallia vastakkainasettelun kautta ja rakentaa työkaluja harhaanjohtavan sisällön havaitsemiseksi. He aikovat sisällyttää C2PA-metatietoja tulevaisuudessa ja hyödyntävät olemassa olevia turvallisuusmenetelmiä muista tuotteistaan, kuten tekstiluokittelijoita ja kuvien luokittelijoita.
Sora on tällä hetkellä saatavilla punaiselle tiimille arvioimaan kriittisiä alueita vahingoille tai riskeille sekä visuaalisille taiteilijoille, suunnittelijoille ja elokuvantekijöille palautetta varten siitä, miten mallia voidaan kehittää luoville ammattilaisille.
Jos olet luova ammattilainen, voit hakea pääsyä Soraan OpenAI:n kautta. Kun pääsy on myönnetty, voit käyttää mallia generoidaksesi videoita tekstipyyntöjesi perusteella, parantaen luovia projektejasi ainutlaatuisilla ja mielikuvituksellisilla kohtauksilla.
Sora toimii perustana malleille, jotka voivat ymmärtää ja simuloida todellista maailmaa, minkä OpenAI uskoo olevan tärkeä virstanpylväs kohti tekoälyn yleistä keinoälyä (AGI).
Soralla on syvä ymmärrys kielestä, mikä mahdollistaa sen tarkasti tulkita tekstipyyntöjä ja luoda vangitsevia hahmoja ja kohtauksia, jotka ilmaisevat eloisia tunteita. Se pystyy luomaan useita otoksia yhdessä videossa säilyttäen samalla johdonmukaiset hahmot ja visuaalisen tyylin.
Sora käyttää muuntaja-arkkitehtuuria, joka on samanlainen kuin GPT-mallit, ja edustaa videoita ja kuvia tietojen pienempinä yksikköinä, joita kutsutaan laastareiksi. Tämä datan yhdistäminen mahdollistaa mallin kouluttamisen laajemmalle visuaalisten tietojen valikoimalle.
Antamalla mallille näkemystä useista kehyksistä kerrallaan Sora voi varmistaa, että kohteet pysyvät johdonmukaisina jopa silloin, kun ne menevät tilapäisesti näkyvistä.
Sora käyttää recaptioning-tekniikkaa DALL·E 3:sta, joka sisältää erittäin kuvailevia kuvatekstejä visuaalisen koulutusdatan generoimiseksi. Tämä auttaa mallia noudattamaan käyttäjän tekstiohjeita uskollisemmin generoiduissa videoissa.
OpenAI suunnittelee toteuttavansa useita turvallisuustoimenpiteitä ennen kuin integroi Soran tuotteisiinsa, mukaan lukien vastustajatestaus, havaitsemisluokkien kehittäminen ja olemassa olevien turvallisuusmenetelmien hyödyntäminen muista tuotteista, kuten DALL·E 3.
Sora voidaan käyttää elokuvantekijöiden, animaattorien, pelinkehittäjien ja muiden luovien ammattilaisten toimesta videomateriaalin, käsikirjoitusten tai jopa ideoiden prototyyppien luomiseen nopeasti ja tehokkaasti.
OpenAI osallistuu aktiivisesti päättäjien, opettajien ja taiteilijoiden kanssa ymmärtääkseen huolenaiheet ja tunnistaakseen teknologian positiiviset käyttötarkoitukset. He tunnustavat, että vaikka he eivät voi ennustaa kaikkia hyödyllisiä käyttötapoja tai väärinkäyttöjä, oppiminen todellisesta maailmankäytöstä on kriittistä turvallisempien tekoälyjärjestelmien luomiseksi ajan mittaan.
OpenAI:lla on tekstiluokittelijoita, jotka tarkistavat ja hylkäävät tekstin syötteet, jotka rikkovat käyttöehtoja, kuten ne, jotka pyytävät äärimmäistä väkivaltaa, seksuaalista sisältöä, vihamielistä kuvamateriaalia tai luvatonta immateriaalioikeuksien käyttöä.
AI:ssa 'maailman malli' viittaa laskennalliseen malliin, joka simuloi fyysistä maailmaa ja sen dynamiikkaa, mahdollistaen tekoälyn ymmärtää ja ennustaa miten objektit ja entiteetit vuorovaikuttavat siinä. Sora:n kontekstissa tämä tarkoittaa sitä, että malli on koulutettu generoimaan videoita, jotka eivät ainoastaan seuraa tekstipohjaisia ohjeita, vaan myös noudattavat fyysisiä lakeja ja käyttäytymistä todellisessa maailmassa, kuten painovoimaa, liikettä ja objektien vuorovaikutuksia. Tämä kyky on ratkaisevan tärkeä realistisen ja johdonmukaisen videomateriaalin luomisessa tekstikuvauksista.