- Sora 2 pakub sünkroniseeritud videot ja heli suurema füüsilise realismi ja mitme kaadri järjepidevusega.
- iOS-i sotsiaalmeediarakendus pakub kinnitatud cameosid, remikse ja kohandatavat voogu.
- USA-s/Kanadas on see kutse alusel saadaval; Hispaanias on olemas meetodid VPN-i installimiseks ja kasutamiseks.
Viimaste nädalate tehnoloogiline vestlus on keerelnud Sora 2 ümber, mis on OpenAI uus video- ja helimudel ning sotsiaalne rakendus, mille eesmärk on muuta audiovisuaalne looming sama sujuvaks kui teksti kirjutamine. Lisaks hüpele räägime ettepanekust, mis integreerib pildi, liikumise ja heli genereerimise ühest käsust koos sotsiaalse kihiga, mis on loodud lühivormiliste videoplatvormide stiilis klippide loomiseks ja remiksimiseks.
Järgmistes ridades saate teada, mis on Sora 2, kuidas see töötab ja kuidas see on Sora 1-ga võrreldes parem , selle kasutuselevõtu staatus (sh saadavus Hispaanias), mida pakub selle uus iPhone'i rakendus, kuidas seadistada näo ja häälega kaameosid ning millised piirangud ja turvameetmed on välja kuulutatud. Samuti vaatame üle juurdepääsumeetodid, alates USA/Kanada App Store'ist kuni VPN-i kasutamiseni veebis ja mainime kolmandate osapoolte integratsioone.
Mis on Sora 2 ja kuidas see töötab?
Sora 2 on nii masinõppemudel kui ka tootekiht . Mudel teisendab tekstikirjeldused – ja valikuliselt ka allikpildid – lühikesteks sünkroonitud heliga videoteks; tooteosa sisaldab veebisaiti ja mis kõige tähtsam – sotsiaalset iOS-i rakendust, kus saate sisu luua, jagada ja remiksida.
Idee on tuttav, kui oled harjunud ChatGPT või DALL·E-ga: sa sisestad, mida tahad, ja tehisintellekt tõlgendab seda loomulikus keeles . Sora 2 eristub selle poolest, et see loob visuaalse klipi ja heli samas protsessis, seega on huulte sünkroniseerimine ja heliefektid, mis on seotud sellega, mida sa näed (sammud, uste paugutamine, ümbritsevad helid), juba ideaalselt joondatud.
Tehniline alus uhkeldab realistlikuma maailma simulatsiooniga : suurem objektide püsivus, stseeni elementide vahelised sidusad seosed ja usutava füüsilise dünaamika järgimine. See tähendab loomulikumaid liikumisi ja vähem kummalisi artefakte võrreldes esimese põlvkonnaga.
Lisaks tekstiga nullist alustamisele võimaldab süsteem teil alustada pildiga ja luua sellest animeeritud stseeni. Ja cameo-funktsiooni abil saate videosse lisada oma näo ja kinnitatud hääle, avades ukse isikupärastatud klippidele ilma traditsioonilise filmimise vajaduseta.
Uued funktsioonid ja täiustused võrreldes Sora 1-ga
Eelmine versioon oli juba muljetavaldav üksikute kaadrite kvaliteedi poolest , kuid see ei suutnud säilitada järjepidevust ja realistlikku liikumises olevat füüsikat. Sora 2 teeb hüppe edasi kolmes põhivaldkonnas: liikumise realism, sujuvad üleminekud kaadrite vahel ja sünkroniseeritud natiivne heli.
Realismi ja füüsika osas tabab mudel paremini hoogu, kokkupõrkeid, ujuvust ja hõõrdumist , nii et sellised tegevused nagu hüppamine, aerulaual tagasisalto või korvpalli põrge tunduvad usutavad. Kui Sora 1 suutis objekte "teleporteerida" või trajektoore murda, siis uus versioon sarnaneb reaalse käitumisega paremini.
Mitme kaadri järjepidevuse osas säilitab Sora 2 objektid, tegelased ja stiilid mitme kaadri ulatuses , toetab keerukaid käske ning teostab kaamera liikumist ja kadreerimist suurema täpsusega. See hõlbustab lühikeste süžeede ja üleminekutega järjestusi, kaotamata samal ajal olulisi elemente.
Heli on nüüd natiivselt integreeritud: video kõrval genereeritakse dialoog, Foley efektid ja ümbritsevad helid . Saate oma käsureale lisada skripti, nii et tegelane "räägib" ja klipp esitatakse huulte sünkroonis koos määratud ajalises järjestuses helimaastiku ja efektidega.
Lõpuks on stiililine ulatus laiem. Saate taotleda fotorealismi, filmilikku stiili, anime esteetikat või muid variatsioone ning süsteem mõistab neid nüansse paremini, et sobitada esteetika teie kirjeldusega.
Kaameod: teie nägu ja hääl videotes
Üks silmapaistvamaid funktsioone on kameed. Rakenduses saate oma kamee seadistada kiire kinnitusprotsessiga: numbrite lugemine ja pea pööramine näojoonte ja hääle jäädvustamiseks. Selle materjali abil saab Sora 2 teid genereeritud stseenide peategelaseks sisestada ilma keerulisi mudeleid treenimata või LoRA-sid kasutamata.
Tööriist sisaldab nõusoleku kontrolli : saate valida, kas see on ainult teile, kinnitatud sõpradele, kogu teie sõprade nimekirjale või tervele kogukonnale. Samuti saate juurdepääsu hiljem tühistada või eemaldada videoid, mis teid sisaldavad, mis on oluline soovimatu kasutamise vältimiseks.
See sotsiaalne fenomen kerkis kiiresti esile. Sam Altmani avalik cameo vallandas humoorikate remikside abil meemide laine ; platvorm võimaldab ühel põlvkonnal sisaldada mitut cameo't, nii et saate samas stseenis teiste inimestega koostööd teha ja sketše teha.
Praktilisel tasandil võtab klipi loomine paar minutit , korraga saab käivitada mitu klippi ja sellel on päevased piirangud (kasutajakogemuste kohaselt kuni 100 klippi päevas). Praegu on tüüpilised klipid umbes üheksa sekundit pikad ja formaat võib olla vertikaalne või panoraam, olenevalt sellest, mida käsuviibas määrate.
OpenAI täiendab mudelit iPhone'i sotsiaalmeediarakendusega , mille voog meenutab TikToki: videote, kommentaaride, meeldimiste ja natiivsete remikside karussell. Erinevalt teistest võrgustikest kuvab vaikekirjeldus algse viiba, mis lihtsustab ideede õppimist ja kopeerimist.
Rakendus sisaldab meeleolu valijat , et kohandada seda, mida soovite vaadata , ja OpenAI väidab, et selle soovitusalgoritme saab konfigureerida loomuliku keele abil. Doomscrolling'u vältimiseks väidab ettevõte, et seab sisu loomise tarbimisele esikohale, pakkudes regulaarseid heaolu-uuringuid ja võimalusi voo kohandamiseks.
Toonilt ja olemuselt kirjeldavad paljud kasutajad kogemust kui Vine'i paindlikkuse juurde naasmist : kiired klipid, otsekohene huumor ja vähem survet täiuslikkuse poole. Samuti on olemas mehhanismid teiste inimeste videote remiksimiseks ja meemide variatsioonidega laiendamiseks, mis kiirendab loomingulist tsüklit.
Intellektuaalomandi osas on aga tekkimas hõõrumisi. Rakendus blokeerib otseselt autoriõigustega kaitstud tegelaste (Simpsonid, Dragon Ball jne) loomist, kuigi mõned kasutajad üritavad filtreid alternatiivsete sõnadega mööda hiilida. Inspireeritud stiilide ja autoriõigustega kaitstud tegelaste kasutamise vaheline piir on kontrolli all ning ettevõte tugevdab mõõdukust ja piiranguid.
Saadavus, riigid ja mis toimub Hispaanias
Väljalaske hetkel on Sora 2 kutsetega beetatestimisfaasis ning esialgu saadaval Ameerika Ühendriikides ja Kanadas. Hispaania jaoks pole ametlikku ilmumiskuupäeva ega ka kutseta saadaval oleva lõpliku versiooni jaoks.
Sora rakendus iOS-ile on praegu saadaval ainult USA ja Kanada rakenduste poodides. Veebiversioon on olemas, kuid teatud populaarsed funktsioonid – näiteks kameede seadistamine – vajavad iPhone'i rakendust, vähemalt esialgu.
Teenus on tasuta, kuid erinevate piirangutega, mis sõltuvad nõudlusest (saadaolev arvutusvõimsus). Kui teil on ChatGPT tasuline pakett, on teil prioriteet, kõrgem pildikvaliteet ja vähem piiranguid, kuigi need üksikasjad võivad kasutuselevõtu laienedes muutuda.
Kuidas rakendust iPhone'i alla laadida, kui olete Hispaanias
Kui viibite Hispaanias, on rakenduse installimiseks ka ilma VPN-ita võimalus: kasutage USA või Kanada Apple'i kontot . Te ei kaota oma andmeid ja saate pärast allalaadimist oma tavalisele kontole tagasi lülituda; värskendused peate aga tegema USA kontoga.
- Mine Apple ID veebisaidile (appleid.apple.com/account) ja Kontot looma oma tegelike andmetega.
- Valige väljal Riik või piirkond USA või Kanada.
- Täida captcha ja loomine lõpeb.
- Avage oma iPhone'is App Store, logige välja ja logi sisse uue kontogaOtsi üles „Sora by OpenAI” ja lae see alla.
Pärast installimist saate naasta oma hispaaniakeelsele kontole. Rakendus töötab edasi ; kui on aeg värskendada, peate uuesti kontot vahetama. Pidage meeles, et Sora 2 mängimiseks rakenduses vajate aktiivset kutset.
Kui eelistate brauserit, nõuab Sora veebiversioon samuti kutset ning väljaspool turuletoomise riike elavad kasutajad peavad kasutama VPN-i serveriga USA-s või Kanadas. Ilma selle VPN-ita on juurdepääs mudeli esimesele versioonile väidetavalt piiratud.
Logige sisse oma OpenAI/ChatGPT kontoga ja kontrollige, millised funktsioonid on saadaval. Praegu on cameo-aknad konfigureeritud iOS-i rakenduses , seega puuduvad veebiversioonist sotsiaalse kogemuse olulised osad – see võib pärast kasutuselevõtu lõpuleviimist muutuda.
Hinnad, limiidid ja „Sora 2 Pro” mainimine
OpenAI positsioneerib Sora 2 teenusena, millel on piiratud tasuta kasutusvõimalused ja tellimusplaanidega seotud premium-valikud. Loojatele, kes otsivad kõrgemat eraldusvõimet ja pikemat videokestust, on mainitud Sora 2 Pro varianti, mis on integreeritud ChatGPT Pro-ga ja millel on arendusjärgus tasuline API.
Analüüsitud allikad mainivad tellijatele prioriteetset juurdepääsu ja tulevast API-t, mille puhul arveldamine toimub klipi või sekundi alusel, kuigi ametlikke hindu teadaande ajal ei avaldatud. Samuti viitavad nad ChatGPT Pro-le kui eksperimentaalsele juurdepääsupunktile, kuna veebirakendus integreeritakse selle ökosüsteemiga.
Lisaks ametlikule kanalile väidavad mõned kolmandad osapooled – näiteks CometAPI –, et nad ühilduvad Sora 2-ga API kaudu tasulise mudeli alusel (mainides voogesitusega 0,16 dollarit teostuse kohta) ja toovad näiteid vestluse lõpetamise taotlustest ühtse lõpp-punkti vastu. Kui olete arendaja, vaadake enne kolmandate osapoolte teenuste integreerimist alati üle tingimused ja piirangud.
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"}]
}'
Jõudluse osas on arvustusi, mis viitavad kuni 10-sekundilistele klippidele , millel on täiuslik heli-video sünkroniseerimine ja teatud stseenides parendused võrreldes alternatiividega, näiteks Veo 3. Need arvud võivad erineda sõltuvalt saadavusest, kulude kontrollist ja mudeli arengust.
Piirangud, turvalisus ja intellektuaalomand
OpenAI on lisanud turvalisuse ja modereerimise kontrollid : teismelistele mõeldud vaikepiirangud, tööriistad isikupärastamise kohandamiseks, ahistamise tuvastamine, inimeste modereerimine ja vanemliku kontrolli valikud ChatGPT seadetest (kasutusajad, isikupärastamise keelamine, otsesõnumite modereerimine).
Ettevõte väidab, et neil on olemas mehhanismid avaliku elu tegelaste piiramiseks ja sobimatu sisu blokeerimiseks . Samuti mainivad nad kameede, metaandmete ja vesimärkide elulisuse kontrollimist ning valikuid oma pildi kasutamise tühistamiseks, mille eesmärk on vältida kellegi teisena esinemist ja väärkasutamist.
Autoriõiguste osas püüab rakendus välja filtreerida kaitstud õigustega tegelased ; sellegipoolest leiavad mõned kasutajad alternatiivsete terminite abil lünki. Õiguste omanikud jälgivad probleemi ja OpenAI on juba silmitsi kohtuvaidlustega autoriõigustega kaitstud sisuga treenimise pärast, seega on oodata pidevaid kohandusi.
Sora 2-d ei tohiks kasutada olukordades, kus on vaja ühemõttelist faktilist täpsust . See on generatiivne süsteem: see suudab leiutada usutavaid detaile, seega tuleks seda tundliku teabe kontekstis või juriidiliste nõuete korral käsitleda loomingulise tugivahendina, mitte asendajana.
Kasutajakogemus ja remikskultuur
Esialgne video annab edasi kergust ja huumorit : hoolikalt loodud koomilise efekti saavutamiseks mõeldud lõiked, tahtlikult kohmakad vaikusehetked ja pilgud kaamera poole, mida modell lisab isegi ilma otseselt küsimata, kas need aitavad kaasa huumorile. See peenhäälestus suurendab lühikeste sketšide viiruslikku potentsiaali.
Rakendus hõlbustab loomingulist imiteerimist remiksimisfunktsioonide ja vaikimisi nähtavate ülesannete abil. See kiirendab kollektiivset õppimist ja soodustab ideede kiiret levikut minimaalsete variatsioonidega, mida oleme juba näinud edu saavutamas ka teistes lühivormilistes videoformaatides.
Mõned kirjeldavad Sorat kui torget Meta vastu , mis käivitas Vibes'i – oma loomingulise/kunstilise fookusega ise loodud klippide võrgustiku. OpenAI lähenemisviis on lugupidamatum ja kättesaadavam, seades loomingulisemale positsioonile passiivse tarbimise ees, et võidelda lõputu kerimisväsimuse vastu.
Võistlus ja panoraam
Tööstusharu areneb kiiresti. Google arendab edasi Veo 3 ja YouTube'i loojatööriistu; Meta arendab Vibesit; TikTok säilitab tehisintellekti loodud tundlike teemadega videote suhtes rangemad eeskirjad. Võitlus võib laieneda ka monetiseerimisele, kuna ettevõtted püüavad neid funktsioone reaalsetesse töövoogudesse parimal viisil integreerida.
Paralleelselt käib käimas arutelu olemasoleva sisuga (telesaated, voogedastusplatvormide videod jne) koolitamise üle. Mõned väljaanded pakuvad välja, et isegi selliseid artikleid saaks kasutada tulevaste mudelite koolitamiseks, rõhutades lepinguid, litsentsimist ja läbipaistvust.
Apple'i ökosüsteemis on viidatud seotud ressurssidele, näiteks piltide genereerimiseks mõeldud Image Playgroundile , koos üldisema sisuga rakenduste ja mängude kohta, mis aitavad määratleda iOS-i loomingulist konteksti. Samuti käsitletakse YouTube'i kasvavat rolli Google'i otsingumootoris endas, näidates, kuidas videost on saamas avastamise keskne element.
Ideaalsed kasutusjuhud… ja millal neid mitte kasutada
- Lühike sotsiaalmeedia video: kiire iteratsioon, remiksikultuur ja viirusklippide kameod.
- Filmi, reklaami või mängude prototüüpimineVisuaalsed ja animeeritud maketid koos sidusa heliga.
- Haridus- ja turundusanimatsioonidJutustus on kooskõlas visuaalsete elementide ja heliga.
- Väikesed stuudiod ja loojad: laitmatud tulemused ilma suure eelarveta.
- Suurformaat ja täpne visuaalefektkaaderhaaval juhtimine on isegi parem kui traditsioonilistel torujuhtmetel.
- Kontekstid, mis nõuavad faktilist täpsustMudel võib leiutada usutavaid, kuid ekslikke detaile.
Tervikpilti vaadates toob Sora 2 valmis videoklipi idee lähemale kui kunagi varem : kirjelda stseeni, lisa stiil, sisesta oma cameo ja saa sünkroniseeritud heliga video jagamiseks või remiksimiseks valmis. Palju on veel täiustada – alates globaalsest kättesaadavusest kuni litsentsimise ja kuludeni –, kuid selles varases etapis juba ilmne loominguline ja sotsiaalne potentsiaal selgitab, miks nii paljud inimesed ei suuda proovimist lõpetada.