Thử nghiệm OpenAI Sora

Tạo video từ văn bản/hình ảnh, tạo video lặp lại, mở rộng video về phía trước và phía sau

Hãy là người đầu tiên biết khi Sora hoạt động!

Sora là một mô hình AI được phát triển bởi OpenAI có thể tạo ra các cảnh video thực tế và sáng tạo từ hướng dẫn văn bản. Nó được thiết kế để mô phỏng thế giới vật lý trong chuyển động, tạo ra các video lên đến một phút trong khi duy trì chất lượng hình ảnh và tuân thủ theo yêu cầu của người dùng.

Sora là một mô hình truyền播 bắt đầu bằng một video giống như tạp âm và dần dần biến đổi nó bằng cách loại bỏ tạp âm qua nhiều bước. Nó sử dụng kiến trúc transformer, tương tự như các mô hình GPT, và biểu diễn video và hình ảnh dưới dạng các bộ dữ liệu nhỏ hơn được gọi là các patch.

Sora có thể tạo ra một loạt các video, bao gồm các cảnh phức tạp với nhiều nhân vật, các loại chuyển động cụ thể và chi tiết chính xác về chủ đề và nền. Nó cũng có thể lấy một hình ảnh tĩnh hiện có và tạo hoạt ảnh cho nó, hoặc mở rộng một video hiện có bằng cách điền vào các khung hình thiếu.

Sora có thể gặp khó khăn trong việc mô phỏng chính xác vật lý của các cảnh phức tạp, hiểu rõ các trường hợp cụ thể của nguyên nhân và kết quả, và duy trì chi tiết không gian theo thời gian. Đôi khi nó có thể tạo ra chuyển động không hợp lý về mặt vật lý hoặc lẫn lộn chi tiết không gian.

OpenAI đang hợp tác với nhóm red teamers để thử nghiệm theo hướng đối địch mô hình và đang xây dựng các công cụ để phát hiện nội dung gây hiểu lầm. Họ dự định bao gồm siêu dữ liệu C2PA trong tương lai và đang tận dụng các phương pháp an toàn hiện có từ các sản phẩm khác của họ, như bộ phân loại văn bản và bộ phân loại hình ảnh.

Sora hiện đang sẵn có cho các nhóm red team để đánh giá các khu vực quan trọng về thiệt hại hoặc rủi ro và cho các nghệ sĩ hình ảnh, nhà thiết kế và nhà làm phim để nhận phản hồi về cách tiến bộ của mô hình cho các chuyên gia sáng tạo.

Nếu bạn là một chuyên gia sáng tạo, bạn có thể đăng ký truy cập vào Sora thông qua OpenAI. Khi được cấp quyền truy cập, bạn có thể sử dụng mô hình để tạo ra video dựa trên các lời nhắc văn bản của bạn, nâng cao dự án sáng tạo của bạn với các cảnh độc đáo và sáng tạo.

Sora đóng vai trò là nền tảng cho các mô hình có thể hiểu và mô phỏng thế giới thực, mà OpenAI tin rằng đó là một bước quan trọng đến việc đạt được Trí tuệ Nhân tạo Tổng quát (AGI).

Sora có hiểu biết sâu rộng về ngôn ngữ, giúp nó dịch chính xác các lời nhắc văn bản và tạo ra những nhân vật và cảnh quay hấp dẫn thể hiện cảm xúc sống động. Nó có thể tạo ra nhiều cảnh quay trong một video duy nhất trong khi duy trì nhân vật và phong cách hình ảnh nhất quán.

Sora sử dụng một kiến trúc biến áp, tương tự như các mô hình GPT, và biểu diễn video và hình ảnh dưới dạng các bộ dữ liệu nhỏ hơn được gọi là các patch. Việc thống nhất biểu diễn dữ liệu này cho phép mô hình được huấn luyện trên một loạt rộng hơn các dữ liệu hình ảnh.

Bằng cách cho mô hình nhìn thấy nhiều khung hình cùng một lúc, Sora có thể đảm bảo rằng các chủ thể vẫn đồng nhất ngay cả khi chúng tạm thời ra khỏi tầm nhìn.

Sora sử dụng kỹ thuật tái chú thích từ DALL·E 3, bao gồm việc tạo ra các chú thích rất mô tả cho dữ liệu huấn luyện hình ảnh. Điều này giúp mô hình tuân thủ chính xác hơn các hướng dẫn văn bản của người dùng trong các video được tạo ra.

OpenAI đang lên kế hoạch thực hiện một số biện pháp an toàn trước khi tích hợp Sora vào các sản phẩm của mình, bao gồm kiểm tra đối địch, phát triển bộ phân loại phát hiện, và tận dụng các phương pháp an toàn hiện có từ các sản phẩm khác như DALL·E 3.

Sora có thể được sử dụng bởi các nhà làm phim, nhà hoạt hình, nhà phát triển game và các chuyên gia sáng tạo khác để tạo ra nội dung video, bản phác thảo câu chuyện, hoặc thậm chí để tạo ra ý tưởng nguyên mẫu một cách nhanh chóng và hiệu quả.

OpenAI đang tích cực tương tác với các nhà hoạch định chính sách, giáo viên và nghệ sĩ để hiểu rõ các mối quan ngại và xác định các trường hợp sử dụng tích cực cho công nghệ này. Họ nhận thức rằng trong khi họ không thể dự đoán tất cả các trường hợp sử dụng có lợi hoặc lạm dụng, việc học từ việc sử dụng trong thực tế là quan trọng để tạo ra các hệ thống AI an toàn hơn theo thời gian.

OpenAI có các bộ phân loại văn bản kiểm tra và từ chối các đề xuất văn bản vi phạm chính sách sử dụng, như yêu cầu về bạo lực cực đoan, nội dung tình dục, hình ảnh căm ghét hoặc vi phạm sử dụng tài sản trí tuệ không được ủy quyền.

Một 'mô hình thế giới' trong trí tuệ nhân tạo đề cập đến một mô hình tính toán mô phỏng thế giới vật lý và động lực của nó, cho phép trí tuệ nhân tạo hiểu và dự đoán cách các đối tượng và thực thể tương tác trong đó. Trong ngữ cảnh của Sora, điều này có nghĩa là mô hình đã được huấn luyện để tạo ra video không chỉ tuân theo các hướng dẫn văn bản mà còn tuân thủ các luật lý và hành vi của thế giới thực, như trọng lực, chuyển động và tương tác vật thể. Khả năng này rất quan trọng để tạo ra nội dung video thực tế và nhất quán từ các mô tả văn bản.