- Sora 2 предоставя синхронизирано видео и аудио с по-голям физически реализъм и непрекъснатост на многокадрови кадри.
- Социалното приложение за iOS предлага проверени камео, ремикси и персонализируема емисия.
- Предлага се с покана в САЩ/Канада; в Испания има методи за инсталирането и използването му с VPN.
Технологичният разговор през последните няколко седмици се въртеше около Sora 2, новият видео и аудио модел на OpenAI и социално приложение, което има за цел да направи аудиовизуалното създаване толкова безпроблемно, колкото писането на текст. Отвъд шума около рекламата, говорим за предложение, което интегрира генерирането на изображения, движение и звук от една команда, със социален слой, предназначен за създаване и ремиксиране на клипове в стила на платформи за кратки видеоклипове.
В следващите редове ще разберете какво представлява Sora 2, как работи и как е подобрение спрямо Sora 1 , какъв е статусът на внедряването ѝ (включително наличността ѝ в Испания), какво предлага новото ѝ приложение за iPhone, как да конфигурирате cameo с вашето лице и глас, както и какви ограничения и мерки за сигурност са обявени. Ще разгледаме и методите за достъп, от App Store в САЩ/Канада до използването на VPN в мрежата и споменаванията за интеграции с трети страни.
Какво е Сора 2 и как работи?
Sora 2 е едновременно модел за машинно обучение и продуктов слой . Моделът преобразува текстови описания – и по избор изходни изображения – в кратки видеоклипове със синхронизиран звук; продуктовата част включва уебсайт и, най-важното, социално iOS приложение, където създавате, споделяте и ремиксирате съдържание.
Идеята е позната, ако сте свикнали с ChatGPT или DALL·E: пишете каквото искате и изкуственият интелект го интерпретира на естествен език . Sora 2 се откроява с това, че създава визуалния клип и аудиото в един и същ процес, така че синхронизирането на устните и звуковите ефекти, свързани с това, което виждате (стъпки, затръшващи врати, околни звуци), са вече перфектно съчетани.
Техническата основа се отличава с по-реалистична симулация на света : по-голяма трайност на обектите, кохерентни взаимоотношения между елементите в сцената и придържане към правдоподобна физическа динамика. Това се изразява в по-естествени движения и по-малко странни артефакти в сравнение с първото поколение.
В допълнение към възможността да започнете от нулата с текст, системата ви позволява да започнете с изображение и да генерирате анимирана сцена от него. А с функцията за камео можете да вмъкнете свое собствено лице и проверен глас, за да участвате във видеото, отваряйки вратата към персонализирани клипове без необходимост от традиционно заснемане.
Нови функции и подобрения в сравнение със Sora 1
Предишната версия вече беше впечатляваща по отношение на качеството на отделните кадри , но не успя да поддържа последователност и реалистична физика в движение. Sora 2 прави крачка напред в три ключови аспекта: реализъм на движението, плавни преходи между кадрите и синхронизиран оригинален звук.
По отношение на реализма и физиката, моделът по-добре улавя инерцията, сблъсъците, плаваемостта и триенето , така че действия като скачане, салто назад на падълборд или отскок на баскетболна топка изглеждат правдоподобни. Докато Sora 1 можеше да „телепортира“ обекти или да прекъсва траекториите, новата версия по-точно доближава поведението до реалния свят.
По отношение на последователността при многокадрово заснемане, Sora 2 поддържа обекти, герои и стилове в множество кадри , поддържа сложни команди и изпълнява движенията на камерата и кадрирането с по-голяма прецизност. Това улеснява създаването на сцени с малки сюжети и преходи, без да се губят ключови елементи по пътя.
Аудиото вече е вградено: диалог, ефекти на Фоли и околни звуци се генерират заедно с видеото. Можете да включите скрипт в подканата си, така че герой да „говори“ и клипът да се възпроизвежда със синхронизиране на устните, заедно със звукови пейзажи и ефекти, позиционирани във времето, както е посочено.
И накрая, стилистичният диапазон е по-широк. Можете да заявите фотореализъм, кинематографичен стил, аниме естетика или други вариации, а системата разбира по-добре тези нюанси, за да съобрази естетиката с вашето описание.
Камеи: Вашето лице и глас във видеоклипове
Една от забележителните функции е Cameos (Камеи). В приложението настройвате своя cameo (камео) с бърз процес на проверка: четене на числа и завъртане на главата ви, за да уловите черти на лицето и глас. С този материал Sora 2 може да ви вмъкне като главен герой на генерирани сцени, без да тренира сложни модели или да използва LoRA (Local Recorders - алгоритъми на реалния живот).
Инструментът включва контроли за съгласие : вие избирате дали е само за вас, одобрени приятели, целия ви списък с приятели или цялата общност. Можете също така да отмените достъпа по-късно или да премахнете видеоклипове, които ви включват, което е жизненоважно за предотвратяване на нежелана употреба.
Социалният феномен бързо се появи. Публичното участие на Сам Алтман предизвика вълна от мемета с хумористични ремикси; платформата позволява едно поколение да съдържа множество камео участия, така че можете да се смесвате с други хора в една и съща сцена за съвместни скечове.
На практика, генерирането на клип отнема няколко минути , можете да стартирате няколко едновременно и има дневни ограничения (според потребителския опит се посочват до 100 на ден). Засега типичните клипове са с продължителност около девет секунди, а форматът може да бъде вертикален или панорамен, в зависимост от това какво посочите в подканата.
OpenAI допълва модела със социално приложение за iPhone , където емисията напомня на TikTok: въртележка от видеоклипове, коментари, харесвания и оригинални ремикси. За разлика от други мрежи, описанието по подразбиране показва оригиналния подканен текст, което улеснява изучаването и възпроизвеждането на идеи.
Приложението включва селектор за „настроение“, за да регулирате какво искате да гледате , а OpenAI твърди, че алгоритмите му за препоръки могат да бъдат конфигурирани с помощта на естествен език. За да предотврати doomscrolling, компанията казва, че дава приоритет на създаването на съдържание пред потреблението, с редовни анкети за благосъстояние и опции за персонализиране на емисията.
По тон и дух много потребители описват преживяването като завръщане към гъвкавостта на Vine : бързи клипове, директен хумор и по-малко натиск за съвършенство. Има и механизми за ремиксиране на видеоклипове на други хора и разширяване на мемета с вариации, което ускорява творческия цикъл.
Въпреки това, възникват търкания по отношение на интелектуалната собственост. Приложението директно блокира създаването на защитени с авторски права герои (Семейство Симпсън, Драгън Бол и др.), въпреки че някои потребители се опитват да заобиколят филтрите с алтернативни думи. Границата между вдъхновените стилове и използването на защитени с авторски права герои е под щателен контрол и компанията засилва модерацията и ограниченията.
Наличност, държави и какво се случва в Испания
При пускането си на пазара, Sora 2 е в бета фаза само с покани и първоначално е достъпна в Съединените щати и Канада. Няма официална дата на пускане за Испания, нито за финалната версия, която ще бъде достъпна без покана.
Приложението Sora за iOS в момента е достъпно само в магазините за приложения в САЩ и Канада. Съществува уеб версия, но някои популярни функции – като настройването на камери – изискват приложението за iPhone, поне първоначално.
Услугата стартира безплатно, но с различни ограничения в зависимост от търсенето (наличен изчислителен капацитет). Ако имате платен план ChatGPT, ще имате приоритет, по-високо качество на изображението и по-малко ограничения, въпреки че тези подробности може да се променят с разширяването на разпространението.
Как да изтеглите приложението на iPhone, ако сте в Испания
Има начин да инсталирате приложението без VPN, ако сте в Испания: използвайте акаунт в Apple от САЩ или Канада . Няма да загубите данните си и можете да се върнете към обичайния си акаунт след изтегляне; ще трябва обаче да правите актуализации с акаунта от САЩ.
- Отидете на уебсайта на Apple ID (appleid.apple.com/account) и Създай профил с вашите реални данни.
- В полето Държава или регион изберете САЩ или Канада.
- Попълнете капчата и сътворението приключва.
- На вашия iPhone отворете App Store, излезте и влезте с новия акаунтПотърсете „Sora от OpenAI“ и изтеглете.
След инсталирането можете да се върнете към испанския си акаунт. Приложението ще продължи да работи ; когато дойде време за актуализация, ще трябва да смените акаунта отново. Имайте предвид, че ще ви е необходима активна покана, за да играете Sora 2 в приложението.
Ако предпочитате браузър, уеб версията на Sora също изисква покана, а потребителите извън страните, в които е стартирана, трябва да използват VPN със сървър в САЩ или Канада. Без тази VPN, достъпът до първата версия на модела е ограничен.
Влезте с вашия OpenAI/ChatGPT акаунт и проверете кои функции са налични. Засега камерите са конфигурирани в приложението за iOS , така че ключови части от социалното изживяване липсват в уеб версията – нещо, което може да се промени с завършването на внедряването.
Цени, ограничения и споменаването на „Sora 2 Pro“
OpenAI позиционира Sora 2 като услуга с ограничено безплатно ползване и премиум опции, обвързани с абонаментните ѝ планове. Споменава се вариант на Sora 2 Pro за създатели, търсещи по-висока резолюция и по-дълга продължителност на видеоклиповете, интегриран с ChatGPT Pro и с платен API в процес на разработка.
Анализираните източници споменават приоритетен достъп за абонати и бъдещ API с таксуване на клип или секунда, въпреки че към момента на обявяването не бяха посочени официални цени. Те също така цитират ChatGPT Pro като експериментална точка за достъп, тъй като уеб приложението ще бъде интегрирано с тази екосистема.
Освен официалния канал, някои трети страни – като CometAPI – твърдят, че са съвместими със Sora 2 чрез API по модел „плащане при ползване“ (споменавайки $0,16 на изпълнение със стрийминг) и показват примери за заявки за завършване на чат срещу унифицирана крайна точка. Ако сте разработчик, винаги преглеждайте условията и ограниченията, преди да интегрирате услуги на трети страни.
curl --location --request POST 'https://api.cometapi.com/v1/chat/completions' \
--header 'Authorization: sk-XXXX' \
--header 'Content-Type: application/json' \
--data-raw '{
"model": "sora-2",
"stream": true,
"messages": [{"role": "user", "content": "Generate a cute kitten sitting on a cloud, cartoon style"}]
}'
По отношение на производителността, има отзиви, които цитират клипове с продължителност до 10 секунди с перфектна синхронизация на аудио и видео и подобрения спрямо алтернативи като Veo 3 в определени сцени. Тези цифри могат да варират в зависимост от наличността, контрола на разходите и развитието на модела.
Ограничения, сигурност и интелектуална собственост
OpenAI е включил контроли за сигурност и модериране : стандартни ограничения за тийнейджъри, инструменти за персонализиране, откриване на тормоз, човешка модерация и опции за родителски контрол от настройките на ChatGPT (време за използване, деактивиране на персонализацията, модериране на директни съобщения).
Компанията твърди, че разполага с механизми за ограничаване на публични личности и блокиране на експлицитно съдържание . Те също така споменават проверки за „живост“ на камео изображения, метаданни и водни знаци, както и опции за отмяна на използването на вашето изображение, като всичко това е насочено към предотвратяване на представяне за друго лице и злоупотреба.
По отношение на авторските права, приложението се опитва да филтрира герои със защитени права ; въпреки това някои потребители намират вратички, използвайки алтернативни термини. Проблемът се следи от притежателите на права и OpenAI вече е изправен пред съдебни спорове за обучение със защитено с авторски права съдържание, така че се очакват постоянни корекции.
Sora 2 не трябва да се използва, когато се изисква недвусмислена фактическа точност . Това е генеративна система: тя може да измисля правдоподобни детайли, така че в контексти на чувствителна информация или при законови изисквания, тя трябва да се третира като инструмент за творческа подкрепа, а не като заместител.
Потребителско изживяване и култура на ремиксиране
Първоначалният фийд предава усещане за лекота и хумор : внимателно изработени кадри, предназначени за комедиен ефект, умишлено неловки паузи и погледи към камерата, които моделът добавя, дори без да бъде изрично попитан, дали допринасят за хумора. Тази фина настройка засилва вирусния потенциал на кратките скечове.
Приложението улеснява творческата имитация с функции за ремиксиране и подкани, видими по подразбиране. Това ускорява колективното обучение и насърчава бързото разпространение на идеите с минимални вариации, нещо, което вече сме виждали успешно в други кратки видео формати.
Някои описват Sora като закачлива критика към Meta , която стартира Vibes, мрежата си от самостоятелно генерирани клипове с творчески/артистичен фокус. Подходът на OpenAI е по-непочтителен и достъпен, като целта е да се даде приоритет на създаването пред пасивното потребление, за да се пребори с безкрайната умора от скролиране.
Конкуренция и панорама
Индустрията се развива бързо. Google напредва с Veo 3 и инструменти за създатели в YouTube; Meta напредва с Vibes; TikTok поддържа по-рестриктивни политики за генерирани от изкуствен интелект видеоклипове, разглеждащи чувствителни теми. Битката може да се разпростре и върху монетизацията, тъй като компаниите се стремят да интегрират по най-добрия начин тези функции в реалните работни процеси.
Успоредно с това, продължава дебатът относно обучението със съществуващо съдържание (телевизионни програми, видеоклипове от стрийминг платформи и др.). Някои публикации предполагат, че дори статии като тази биха могли да се използват за обучение на бъдещи модели, като се набляга на споразуменията, лицензирането и прозрачността.
В екосистемата на Apple са цитирани свързани ресурси като Image Playground за генериране на изображения , заедно с по-общо съдържание за приложения и игри, които помагат за дефиниране на творческия контекст в iOS. Обсъжда се и нарастващата роля на YouTube в самата търсачка на Google, показвайки как видеото се превръща в централен елемент за откриване.
Идеални случаи на употреба... и кога да не ги използвате
- Кратко социално видеоБърза итерация, култура на ремиксите и камео появления за вирусни клипове.
- Създаване на прототипи за филми, реклами или игриВизуални и аниматични макети със съгласуван звук.
- Образователни и маркетингови анимации: разказ, съобразен с визуални елементи и звук.
- Малки студия и творци: полирани резултати без големи бюджети.
- Голям формат и прецизни визуални ефекти: управление кадър по кадър, дори превъзхождащо традиционните конвейери.
- Контексти, които изискват фактическа точностМоделът може да измисли правдоподобни, но погрешни детайли.
Поглеждайки цялостната картина, Sora 2 доближава идеята за завършен видеоклип повече от всякога : опишете сцената, добавете стил, вмъкнете вашето камео и получете видео със синхронизиран звук, готово за споделяне или ремиксиране. Все още има много за усъвършенстване – от глобална достъпност до лицензиране и разходи – но творческият и социален потенциал, който вече е очевиден на този ранен етап, обяснява защо толкова много хора не могат да спрат да го опитват.