OpenAI lansirao drugu generaciju modela za generisanje videa, Sora 2, sa ključnim poboljšanjima koja brišu granicu između stvarnosti i veštačke inteligencije, uz fokus na mobilnu aplikaciju i etičku upotrebu.
Kompanija OpenAI podigla je lestvicu u sferi generisanja video sadržaja iz teksta (text-to-video) predstavljanjem svog novog modela, Sora 2. Ova nadogradnja, koja se zasniva na temeljima postavljenim prvom verzijom, donosi niz revolucionarnih mogućnosti koje su do sada predstavljale značajan izazov za veštačku inteligenciju. Sora 2 se ne fokusira samo na fotorealističnost, već i na dublje razumevanje fizičkog sveta, što je ključno za uverljive video kreacije.
Novi model ne samo da stvara složene scene sa više likova, specifičnim pokretima i tačnim detaljima, već sada uvodi i potpuno sinhronizovan zvuk, što je velika prekretnica. Karakteri mogu govoriti prirodno, a zvukovi okruženja (šum vetra, zvuk motora, koraci) savršeno su uklopljeni u vizuelni sadržaj, stvarajući potpunije i uverljivije iskustvo.
Revolucionarna poboljšanja: Fizika i doslednost
Tehnološka poboljšanja koja donosi Sora 2 su mnogobrojna, ali se ističu u tri ključne oblasti:
- Preciznija simulacija fizike: Dok su se raniji AI modeli često borili sa osnovnim zakonima fizike (npr. plutanje predmeta, gravitacija, sudari), Sora 2 pokazuje izuzetnu sposobnost da simulira real-world dinamiku. Kompleksne radnje, poput izvođenja gimnastičkih rutina ili interakcije objekata sa okolinom (lopta koja se odbija), sada su prikazane sa daleko većom verodostojnošću. Ovo predstavlja važan korak ka tome da AI razume ne samo šta korisnik traži, već i kako se ti elementi ponašaju u prostoru i vremenu.
- Povećana kontrola i doslednost: Novi model nudi poboljšanu steerability (upravljivost), omogućavajući korisnicima da daju preciznije instrukcije za kretanje kamere, kompoziciju kadra i stil. Takođe, značajno je poboljšana doslednost (koherentnost) sveta u videu, pa se likovi i objekti konzistentno ponašaju kroz duže sekvence i u višestrukim kadrovima.
- Proširen stilski opseg: Sora 2 može da generiše video zapise u znatno širem spektru stilova, od hiperrealističnog, preko filmskog, pa sve do apstraktnog i animiranog, dajući kreatorima neograničenu slobodu.
Fokus na mobilnu aplikaciju i personalizaciju
Sora 2 nije samo laboratorijsko dostignuće, već je lansirana i ekskluzivna mobilna aplikacija Sora, koja je trenutno dostupna određenim korisnicima u SAD i Kanadi. Ova aplikacija funkcioniše na principu AI-first društvene mreže, slično formatu popularnih platformi za kratke video zapise (kao što su TikTok ili Reels), ali je naglasak stavljen na stvaranje, a ne na pasivno konzumiranje sadržaja.
Ključna funkcija mobilne aplikacije je Cameos: Nakon jednokratne verifikacije lica i glasa, korisnici mogu da ubace sebe, ili svoje prijatelje uz njihov pristanak, kao autentične likove u AI generisane scene. Ovo otvara vrata personalizovanom pripovedanju, omogućavajući ljudima da glume u dinamički kreiranim klipovima, bilo da se radi o naučnofantastičnim pejzažima ili komičnim mikronarativima.
Takođe, aplikacija podstiče remiksovanje, gde korisnici mogu da preuzmu kreaciju nekog drugog, promene joj stil, ubace novi kadar ili izmene likove, što stvara novi oblik serijalizovanog i kolaborativnog sadržaja.
Etika, bezbednost i budućnost
OpenAI je svestan potencijalnih rizika koje ovakva tehnologija nosi, posebno u kontekstu deepfake dezinformacija. Zbog toga su u Sora 2 i aplikaciju ugrađeni strogi sigurnosni mehanizmi:
- Zabrana zloupotrebe: Strogo je zabranjeno generisanje AI videa koji realistično prikazuju stvarne osobe bez njihovog pristanka, kao i javnih ličnosti, kako bi se sprečilo širenje lažnih informacija.
- Vodeni žig: Generisani video zapisi sadrže vidljivi, pokretni digitalni vodeni žig radi lakše identifikacije da je sadržaj kreiran veštačkom inteligencijom.
- Zaštita identiteta: Korisnici zadržavaju punu kontrolu i vlasništvo nad svojim cameo materijalima i mogu u bilo kom trenutku opozvati pristanak ili obrisati sve video zapise sa svojim likom.
Uvođenje Sore 2, sa sinhronizovanim zvukom i naprednim razumevanjem fizike, postavlja novi standard za medijsku produkciju. Time se demokratizuje stvaralaštvo, gde ideja i tekstualni opis postaju važniji od skupe produkcijske opreme.
