Sora 2: Hva det er, hvordan det fungerer, nye funksjoner, app og tilgang

Informatec Digital » Kunstig intelligens » Sora 2: hva det er, hvordan det fungerer, nye funksjoner, app og tilgang

Teknologisamtalen de siste ukene har dreid seg om Sora 2, OpenAIs nye video- og lydmodell og en sosial applikasjon som har som mål å gjøre audiovisuell skapelse like sømløs som å skrive tekst. Utover hypen snakker vi om et forslag som integrerer bilde-, bevegelses- og lydgenerering fra én kommando, med et sosialt lag designet for å lage og remikse klipp i stil med kortformatvideoplattformer.

I de følgende linjene finner du ut hva Sora 2 er, hvordan det fungerer og hvordan det forbedrer Sora 1 , utrullingsstatusen (inkludert tilgjengeligheten i Spania), hva den nye iPhone-appen tilbyr, hvordan du konfigurerer cameos med ansiktet og stemmen din, og hvilke begrensninger og sikkerhetstiltak som er annonsert. Vi vil også gjennomgå tilgangsmetoder, fra den amerikanske/kanadiske App Store til bruk av VPN på nettet og omtaler av tredjepartsintegrasjoner.

Hva er Sora 2, og hvordan fungerer det?

Sora 2 er både en maskinlæringsmodell og et produktlag . Modellen konverterer tekstbeskrivelser – og eventuelt kildebilder – til korte videoer med synkronisert lyd. Produktdelen inkluderer et nettsted og, viktigst av alt, en sosial iOS-app hvor du kan opprette, dele og remikse innhold.

Ideen er kjent hvis du er vant til ChatGPT eller DALL·E: du skriver det du vil, og AI-en tolker det til naturlig språk . Der Sora 2 skiller seg ut, er at den produserer det visuelle klippet og lyden i samme prosess, slik at leppesynkronisering og lydeffekter knyttet til det du ser (fottrinn, dører som smeller, omgivelseslyder) allerede er perfekt justert.

Det tekniske grunnlaget kan skryte av en mer realistisk verdenssimulering : større objektpermanens, sammenhengende forhold mellom elementer i scenen og overholdelse av plausibel fysisk dynamikk. Dette betyr mer naturlige bevegelser og færre merkelige artefakter sammenlignet med første generasjon.

I tillegg til å starte fra bunnen av med tekst, lar systemet deg starte med et bilde og generere en animert scene fra det. Og med cameo-funksjonen kan du sette inn ditt eget ansikt og bekreftet stemme for å spille hovedrollen i videoen, noe som åpner døren til personlige klipp uten behov for tradisjonell filming.

Nye funksjoner og forbedringer sammenlignet med Sora 1

Den forrige versjonen var allerede imponerende når det gjaldt kvaliteten på de individuelle bildene , men den klarte ikke å opprettholde konsistens og realistisk fysikk i bevegelse. Sora 2 tar et sprang fremover på tre viktige fronter: bevegelsesrealisme, sømløse overganger mellom bilder og synkronisert innebygd lyd.

Når det gjelder realisme og fysikk, fanger modellen bedre opp momentum, kollisjoner, oppdrift og friksjon , slik at handlinger som hopping, en baklengssalto på et padlebrett eller en basketballhopp føles troverdige. Der Sora 1 kunne "teleportere" objekter eller bryte baner, tilnærmer den nye versjonen seg virkelighetsoppførsel bedre.

Når det gjelder konsistens i flere bilder, opprettholder Sora 2 objekter, karakterer og stiler på tvers av flere bilder , støtter komplekse kommandoer og utfører kamerabevegelser og komposisjon med større gjengivelseskvalitet. Dette forenkler sekvenser med korte plott og overganger uten å miste viktige elementer underveis.

Lyd er nå integrert: dialog, Foley-effekter og omgivelseslyder genereres sammen med videoen. Du kan inkludere et skript i ledeteksten din, slik at en karakter «snakker» og klippet spilles av med leppesynkronisering, sammen med lydbilder og effekter plassert i tid som spesifisert.

Til slutt er det stilistiske spekteret bredere. Du kan be om fotorealisme, filmatisk stil, anime-estetikk eller andre variasjoner, og systemet forstår disse nyansene bedre for å matche estetikken med beskrivelsen din.

Cameos: Ansiktet og stemmen din i videoer

En av de mest fremtredende funksjonene er Cameos. I appen konfigurerer du cameoen din med en rask verifiseringsprosess: du leser tall og vrir på hodet for å fange ansiktstrekk og stemme. Med dette materialet kan Sora 2 sette inn deg som hovedpersonen i genererte scener, uten å trene komplekse modeller eller bruke LoRA-er.

Verktøyet inkluderer samtykkekontroller : du velger om det er for deg alene, godkjente venner, hele vennelisten din eller hele fellesskapet. Du kan også tilbakekalle tilgang senere eller fjerne videoer som inkluderer deg, noe som er viktig for å forhindre uønsket bruk.

Det sosiale fenomenet dukket raskt opp. Sam Altmans offentlige gjesteopptreden utløste en bølge av memer med humoristiske remikser; plattformen lar én generasjon inneholde flere gjesteopptredener, slik at du kan blande deg med andre mennesker i samme scene for samarbeidende sketsjer.

Rent praktisk tar det noen få minutter å generere et klipp , du kan starte flere samtidig, og det er daglige grenser (opptil 100 per dag er nevnt i brukeropplevelser). Foreløpig er typiske klipp rundt ni sekunder lange, og formatet kan være vertikalt eller panoramisk, avhengig av hva du spesifiserer i ledeteksten.

Den nye sosiale appen Sora

OpenAI kompletterer modellen med en sosial app for iPhone der feeden minner om TikTok: en karusell av videoer, kommentarer, likerklikk og native remikser. I motsetning til andre nettverk viser standardbeskrivelsen den opprinnelige ledeteksten, noe som gjør det enklere å lære og gjenskape ideer.

Appen inkluderer en «stemningsvelger» for å justere hva du har lyst til å se på , og OpenAI hevder at anbefalingsalgoritmene kan konfigureres ved hjelp av naturlig språk. For å forhindre doomscrolling sier selskapet at de prioriterer innholdsproduksjon fremfor forbruk, med regelmessige velværeundersøkelser og alternativer for å tilpasse feeden.

I tone og ånd beskriver mange brukere opplevelsen som en tilbakevending til smidigheten til Vine : raske klipp, direkte humor og mindre press for perfeksjon. Det finnes også mekanismer for å remikse andres videoer og utvide memer med variasjoner, noe som fremskynder den kreative syklusen.

Det dukker imidlertid opp gnisninger angående åndsverk. Appen blokkerer direkte opprettelsen av opphavsrettsbeskyttede figurer (The Simpsons, Dragon Ball, osv.), selv om noen brukere prøver å omgå filtre med alternative ord. Grensen mellom inspirerte stiler og bruken av opphavsrettsbeskyttede figurer er under lupen, og selskapet forsterker moderering og begrensninger.

Tilgjengelighet, land og hva som skjer i Spania

Ved lansering er Sora 2 i en betafase kun for invitasjoner og i utgangspunktet tilgjengelig i USA og Canada. Det er ingen offisiell utgivelsesdato for Spania, og heller ikke for den endelige versjonen som vil være tilgjengelig uten invitasjon.

Sora -appen for iOS er for øyeblikket bare tilgjengelig i appbutikkene i USA og Canada. Det finnes en nettversjon, men visse populære funksjoner – som å sette opp cameoer – krever iPhone-appen, i hvert fall i starten.

Tjenesten lanseres gratis, men med varierende begrensninger avhengig av etterspørsel (tilgjengelig datakapasitet). Hvis du har et betalt ChatGPT-abonnement, vil du ha prioritet, høyere bildekvalitet og færre restriksjoner, selv om disse detaljene kan endres etter hvert som utrullingen utvides.

Slik laster du ned appen på iPhone hvis du er i Spania

Det finnes en måte å installere appen uten VPN hvis du er i Spania: bruk en amerikansk eller kanadisk Apple-konto . Du mister ikke dataene dine, og du kan bytte tilbake til den vanlige kontoen din etter nedlasting. Du må imidlertid gjøre oppdateringer med den amerikanske kontoen.

1. Gå til Apple ID-nettstedet (appleid.apple.com/account) og Opprett en konto med dine virkelige data.
2. I feltet Land eller Region velger du USA eller Canada.
3. Fyll ut captchaen og skapelsen slutter.
4. Åpne App Store på iPhonen din, logg ut og logg inn med den nye kontoenSøk etter «Sora by OpenAI» og last ned.

Etter installasjonen kan du bytte tilbake til den spanske kontoen din. Appen vil fortsette å fungere . Når det er på tide å oppdatere, må du bytte konto igjen. Husk at du trenger en aktiv invitasjon for å spille Sora 2 i appen.

Tilgang fra nettleser og på Mac

Hvis du foretrekker en nettleser, krever nettversjonen av Sora også en invitasjon, og brukere utenfor lanseringslandene må bruke et VPN med en server i USA eller Canada. Uten det VPN-et er tilgangen til den første versjonen av modellen angivelig begrenset.

Logg inn med OpenAI/ChatGPT-kontoen din og sjekk hvilke funksjoner som er tilgjengelige. Foreløpig konfigureres cameoer i iOS-appen , så viktige deler av den sosiale opplevelsen mangler i nettversjonen – noe som kan endre seg etter hvert som utrullingen er fullført.

Priser, begrensninger og omtalen av «Sora 2 Pro»

OpenAI posisjonerer Sora 2 som en tjeneste med begrenset gratis bruk og premiumalternativer knyttet til abonnementsplanene. En Sora 2 Pro-variant har blitt nevnt for skapere som ønsker høyere oppløsning og lengre videovarigheter, integrert med ChatGPT Pro, og med et betalt API under utvikling.

Kildene som ble analysert nevner prioritert tilgang for abonnenter og et fremtidig API med fakturering per klipp eller sekund, selv om ingen offisielle priser ble spesifisert på tidspunktet for kunngjøringen. De siterer også referanser til ChatGPT Pro som et eksperimentelt tilgangspunkt, ettersom nettappen vil bli integrert med dette økosystemet.

Bortsett fra den offisielle kanalen, hevder noen tredjeparter – som CometAPI – Sora 2-kompatibilitet via API under en betal-etter-bruk-modell (og nevner $0,16 per utførelse med strømming) og viser eksempler på chat-fullføringsforespørsler mot et enhetlig endepunkt. Hvis du er en utvikler, bør du alltid lese vilkår og begrensninger før du integrerer tredjepartstjenester.

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"}]
}'

Når det gjelder ytelse, finnes det anmeldelser som nevner klipp på opptil 10 sekunder med perfekt lyd-bilde-synkronisering og forbedringer i forhold til alternativer som Veo 3 i visse scener. Disse tallene kan variere avhengig av tilgjengelighet, kostnadskontroll og modellutvikling.

Begrensninger, sikkerhet og immaterielle rettigheter

OpenAI har innlemmet sikkerhets- og modereringskontroller : standardgrenser for tenåringer, verktøy for å justere personalisering, trakasseringsdeteksjon, menneskelig moderering og foreldrekontrollalternativer fra ChatGPT-innstillingene (brukstider, deaktiver personalisering, moderering av direktemeldinger).

Selskapet hevder å ha mekanismer på plass for å begrense offentlige personer og blokkere eksplisitt innhold . De nevner også live-sjekker for gjestevisninger, metadata og vannmerker, og alternativer for å tilbakekalle bruken av bildet ditt, alt rettet mot å forhindre etterligning og misbruk.

Når det gjelder opphavsrett, prøver appen å filtrere ut tegn med beskyttede rettigheter ; likevel finner noen brukere smutthull ved bruk av alternative termer. Problemet overvåkes av rettighetshavere, og OpenAI står allerede overfor rettssaker for trening med opphavsrettsbeskyttet innhold, så det må forventes stadige justeringer.

Sora 2 bør ikke brukes der det kreves entydig faktisk nøyaktighet . Det er et generativt system: det kan finne opp plausible detaljer, så i sensitive informasjonssammenhenger eller med juridiske krav bør det behandles som et kreativt støtteverktøy og ikke som en erstatning.

Brukeropplevelse og remikskultur

Den første sendingen formidler en følelse av letthet og humor : nøye utformede klipp designet for komisk effekt, bevisst pinlige stillheter og blikk mot kameraet som modellen legger til, selv uten å bli eksplisitt spurt, om de bidrar til humoren. Denne finjusteringen forsterker det virale potensialet til de korte sketsjene.

Appen legger til rette for kreativ imitasjon med remiksfunksjoner og synlige instruksjoner som standard. Dette akselererer kollektiv læring og oppmuntrer til rask spredning av ideer med minimale variasjoner, noe vi allerede har sett lykkes i andre kortformatvideoformater.

Noen beskriver Sora som et stikk til Meta , som lanserte Vibes, deres nettverk av egengenererte klipp med et kreativt/kunstnerisk fokus. OpenAIs tilnærming er mer respektløs og tilgjengelig, og tar sikte på å prioritere skapelse fremfor passiv forbruk for å bekjempe endeløs scrolling-tretthet.

Konkurranse og panorama

Bransjen beveger seg raskt. Google jobber videre med Veo 3 og verktøy for skaperne på YouTube; Meta gjør fremskritt med Vibes; TikTok opprettholder mer restriktive retningslinjer for AI-genererte videoer som omhandler sensitive emner. Kampen kan også utvides til monetisering, ettersom selskaper streber etter å integrere disse funksjonene best mulig i virkelige arbeidsflyter.

Parallelt pågår det en debatt om trening med eksisterende innhold (TV-programmer, videoer fra strømmeplattformer osv.). Enkelte publikasjoner antyder at selv artikler som denne kan brukes til å trene fremtidige modeller, med vekt på avtaler, lisensiering og åpenhet.

Innenfor Apples økosystem har relaterte ressurser som Image Playground for generering av bilder blitt sitert , sammen med mer generelt innhold om apper og spill som bidrar til å definere den kreative konteksten på iOS. YouTubes voksende rolle i Googles søkemotor diskuteres også, noe som viser hvordan video blir et sentralt element i oppdagelsen.

Ideelle brukstilfeller ... og når man ikke skal bruke dem

• Kortformatvideo for sosiale medier: rask iterasjon, remixkultur og gjesteopptredener for virale klipp.
• Prototyping for film, reklame eller spillVisuelle og animasjonsmodeller med sammenhengende lyd.
• Pedagogiske og markedsføringsanimasjoner: fortellerstemme justert med visuelle elementer og lyd.
• Små studioer og skaperepolerte resultater uten store budsjetter.

• Storformat og presisjons visuelle effekterbilde-for-bilde-kontroll som er enda bedre enn tradisjonelle pipelines.
• Kontekster som krever faktisk nøyaktighetModellen kan finne opp plausible, men feilaktige detaljer.

Med et helhetlig inntrykk bringer Sora 2 ideen om et ferdig videoklipp nærmere enn noen gang før : beskriv scenen, legg til stil, sett inn cameoen din, og få en video med synkronisert lyd klar til deling eller remiksing. Det er fortsatt mye å finpusse – fra global tilgjengelighet til lisensiering og kostnader – men det kreative og sosiale potensialet som allerede er tydelig i denne tidlige fasen forklarer hvorfor så mange ikke kan slutte å prøve det.