Sora 2: Čo to je, ako to funguje, nové funkcie, aplikácia a prístup

Informatec Digital » Umelá inteligencia » Sora 2: čo to je, ako to funguje, nové funkcie, aplikácia a prístup

Technické diskusie posledných týždňov sa točili okolo Sora 2, nového video a audio modelu od OpenAI a sociálnej aplikácie, ktorej cieľom je urobiť audiovizuálnu tvorbu rovnako bezproblémovou ako písanie textu. Okrem humbuku okolo neho hovoríme o návrhu, ktorý integruje generovanie obrazu, pohybu a zvuku z jedného príkazu so sociálnou vrstvou určenou na vytváranie a remixovanie klipov v štýle platforiem pre krátke videá.

V nasledujúcich riadkoch sa dozviete, čo je Sora 2, ako funguje a ako vylepšuje Soru 1 , aký je stav jej spustenia (vrátane dostupnosti v Španielsku), čo ponúka jej nová aplikácia pre iPhone, ako konfigurovať cameo s tvárou a hlasom a aké obmedzenia a bezpečnostné opatrenia boli oznámené. Prejdeme si tiež metódy prístupu, od obchodu App Store v USA/Kanade až po používanie VPN na webe a zmienky o integráciách tretích strán.

Čo je Sora 2 a ako funguje?

Sora 2 je model strojového učenia aj produktová vrstva . Model prevádza textové popisy – a voliteľne aj zdrojové obrázky – na krátke videá so synchronizovaným zvukom; produktová časť obsahuje webovú stránku a predovšetkým sociálnu aplikáciu pre iOS, kde môžete vytvárať, zdieľať a remixovať obsah.

Táto myšlienka je vám známa, ak ste zvyknutí na ChatGPT alebo DALL·E: napíšete, čo chcete, a umelá inteligencia to interpretuje v prirodzenom jazyku . Sora 2 vyniká tým, že vytvára vizuálny klip a zvuk v rovnakom procese, takže synchronizácia pier a zvukové efekty spojené s tým, čo vidíte (kroky, buchnutie dverí, okolité zvuky) sú už dokonale zladené.

Technický základ sa môže pochváliť realistickejšou simuláciou sveta : väčšou trvalosťou objektov, koherentnými vzťahmi medzi prvkami v scéne a dodržiavaním vierohodnej fyzikálnej dynamiky. To sa premieta do prirodzenejších pohybov a menšieho počtu zvláštnych artefaktov v porovnaní s prvou generáciou.

Okrem toho, že systém umožňuje začať od nuly s textom, umožňuje vám začať s obrázkom a z neho vygenerovať animovanú scénu. A vďaka funkcii cameo môžete do videa vložiť vlastnú tvár a overený hlas, čím otvoríte dvere k personalizovaným klipom bez potreby tradičného natáčania.

Nové funkcie a vylepšenia v porovnaní so Sora 1

Predchádzajúca verzia bola už pôsobivá, čo sa týka kvality jednotlivých záberov , ale nedokázala udržať konzistentnosť a realistickú fyziku v pohybe. Sora 2 robí krok vpred v troch kľúčových oblastiach: realizmus pohybu, plynulé prechody medzi zábermi a synchronizovaný natívny zvuk.

Z hľadiska realizmu a fyziky model lepšie zachytáva hybnosť, kolízie, vztlak a trenie , takže akcie ako skok, salto vzad na paddleboarde alebo odraz basketbalovej lopty pôsobia vierohodne. Zatiaľ čo Sora 1 dokázala „teleportovať“ objekty alebo prerušiť trajektórie letu, nová verzia sa viac približuje správaniu v reálnom svete.

Pokiaľ ide o konzistenciu viacerých záberov, Sora 2 zachováva objekty, postavy a štýly naprieč viacerými zábermi , podporuje zložité príkazy a vykonáva pohyby kamery a kompozíciu s väčšou vernosťou. To uľahčuje sekvencie s krátkymi zápletkami a prechodmi bez straty kľúčových prvkov.

Zvuk je teraz natívne integrovaný: dialógy, Foleyho efekty a okolité zvuky sa generujú spolu s videom. Do výzvy môžete zahrnúť skript, aby postava „hovorila“ a klip sa prehrával so synchronizáciou pier spolu so zvukovými kulisami a efektmi umiestnenými v zadanom čase.

Štýlový rozsah je napokon širší. Môžete požiadať o fotorealizmus, filmový štýl, anime estetiku alebo iné variácie a systém lepšie rozumie týmto nuansám, aby estetiku zodpovedala vášmu popisu.

Cameo: Vaša tvár a hlas vo videách

Jednou z vynikajúcich funkcií sú Cameo. V aplikácii si nastavíte svoj cameo pomocou rýchleho overovacieho procesu: čítaním čísel a otáčaním hlavy zachytíte črty tváre a hlas. Vďaka tomuto materiálu vás Sora 2 dokáže vložiť ako protagonistu generovaných scén bez trénovania zložitých modelov alebo používania LoRA.

Nástroj obsahuje ovládacie prvky súhlasu : môžete si vybrať, či je to len pre vás, schválených priateľov, celý váš zoznam priateľov alebo celú komunitu. Prístup môžete neskôr zrušiť alebo odstrániť videá, ktoré vás obsahujú, čo je nevyhnutné na zabránenie nechcenému použitiu.

Tento sociálny fenomén sa rýchlo objavil. Verejné cameo Sama Altmana vyvolalo vlnu mémov s humornými remixmi; platforma umožňuje jednej generácii obsahovať viacero cameo, takže sa môžete miešať s inými ľuďmi v tej istej scéne a vytvárať spoločné skeče.

V praxi trvá vytvorenie klipu niekoľko minút , môžete spustiť niekoľko klipov naraz a existujú denné limity (podľa používateľských skúseností je ich až 100 denne). V súčasnosti majú typické klipy dĺžku približne deväť sekúnd a formát môže byť vertikálny alebo panoramatický v závislosti od toho, čo zadáte vo výzve.

Nová sociálna aplikácia Sora

OpenAI dopĺňa model sociálnou aplikáciou pre iPhone , kde kanál pripomína TikTok: kolotoč videí, komentárov, lajkov a natívnych remixov. Na rozdiel od iných sietí sa v predvolenom popise zobrazuje pôvodná výzva, čo uľahčuje učenie sa a replikáciu nápadov.

Aplikácia obsahuje selektor „nálady“ na úpravu toho, čo chcete sledovať , a OpenAI tvrdí, že jej algoritmy odporúčaní je možné konfigurovať pomocou prirodzeného jazyka. Aby sa predišlo doomscrollingu, spoločnosť uvádza, že uprednostňuje tvorbu obsahu pred konzumáciou, s pravidelnými prieskumami pohody a možnosťami prispôsobenia kanála.

Čo sa týka tónu a ducha, mnohí používatelia opisujú tento zážitok ako návrat k agilite Vine : rýchle klipy, priamočiary humor a menší tlak na dokonalosť. Existujú aj mechanizmy na remixovanie videí iných ľudí a rozširovanie mémov o variácie, čo urýchľuje tvorivý cyklus.

Objavujú sa však trenice týkajúce sa duševného vlastníctva. Aplikácia priamo blokuje vytváranie postáv chránených autorskými právami (Simpsonovci, Dragon Ball atď.), hoci niektorí používatelia sa snažia obísť filtre alternatívnymi slovami. Hranica medzi inšpirovanými štýlmi a používaním postáv chránených autorskými právami je pod drobnohľadom a spoločnosť posilňuje moderovanie a obmedzenia.

Dostupnosť, krajiny a dianie v Španielsku

V čase vydania je Sora 2 v beta verzii, na ktorú je potrebné požiadať o pozvánku , a spočiatku je dostupná v Spojených štátoch a Kanade. Pre Španielsko nie je stanovený oficiálny dátum vydania, ani pre finálnu verziu, ktorá bude dostupná bez pozvánky.

Aplikácia Sora pre iOS je momentálne dostupná iba v obchodoch s aplikáciami v USA a Kanade. Existuje aj webová verzia, ale niektoré populárne funkcie – ako napríklad nastavenie cameo – vyžadujú aplikáciu pre iPhone, aspoň spočiatku.

Služba sa spúšťa bezplatne, ale s rôznymi obmedzeniami v závislosti od dopytu (dostupná výpočtová kapacita). Ak máte platený program ChatGPT, budete mať prioritu, vyššiu kvalitu obrazu a menej obmedzení, hoci sa tieto podrobnosti môžu s postupným zavádzaním zmeniť.

Ako si stiahnuť aplikáciu na iPhone, ak ste v Španielsku

Ak sa nachádzate v Španielsku, existuje spôsob, ako nainštalovať aplikáciu bez VPN: použite účet Apple z USA alebo Kanady . Nestratíte svoje údaje a po stiahnutí sa môžete vrátiť k svojmu bežnému účtu; aktualizácie však budete musieť vykonať s účtom z USA.

1. Prejdite na webovú stránku Apple ID (appleid.apple.com/account) a Vytvoriť účet s vašimi skutočnými údajmi.
2. V poli Krajina alebo región vyberte Spojené štáty americké alebo Kanada.
3. Vyplňte captchu a stvorenie sa končí.
4. Na iPhone otvorte App Store, odhláste sa a prihláste sa s novým účtomVyhľadajte „Sora od OpenAI“ a stiahnite si ho.

Po inštalácii sa môžete vrátiť späť na svoj španielsky účet. Aplikácia bude naďalej fungovať ; keď bude čas na aktualizáciu, budete musieť znova prepnúť účet. Majte na pamäti, že na hranie hry Sora 2 v aplikácii budete potrebovať aktívnu pozvánku.

Prístup z prehliadača a na Macu

Ak uprednostňujete prehliadač, webová verzia Sora tiež vyžaduje pozvánku a používatelia mimo krajín, kde bola spustená, musia používať VPN so serverom v USA alebo Kanade. Bez tejto VPN je prístup k prvej verzii modelu údajne obmedzený.

Prihláste sa pomocou svojho účtu OpenAI/ChatGPT a skontrolujte, ktoré funkcie sú k dispozícii. Zatiaľ sú cameo konfigurované v aplikácii pre iOS , takže vo webovej verzii chýbajú kľúčové časti sociálneho zážitku – čo sa môže zmeniť po dokončení zavádzania.

Ceny, limity a zmienka o „Sora 2 Pro“

OpenAI prezentuje Sora 2 ako službu s obmedzeným bezplatným používaním a prémiovými možnosťami viazanými na jej predplatné. Pre tvorcov, ktorí hľadajú vyššie rozlíšenie a dlhšie trvanie videí, sa spomína aj variant Sora 2 Pro, integrovaný s ChatGPT Pro a s plateným API vo vývoji.

Analyzované zdroje spomínajú prioritný prístup pre predplatiteľov a budúce API s fakturáciou za klip alebo sekundu, hoci v čase oznámenia neboli uvedené žiadne oficiálne sadzby. Uvádzajú tiež zmienky o ChatGPT Pro ako experimentálnom prístupovom bode, keďže webová aplikácia bude integrovaná s týmto ekosystémom.

Okrem oficiálneho kanála niektoré tretie strany – ako napríklad CometAPI – tvrdia, že sú kompatibilné so Sora 2 prostredníctvom API v rámci modelu platby podľa spotreby (spomínajú 0,16 USD za vykonanie so streamovaním) a uvádzajú príklady požiadaviek na dokončenie chatu voči jednotnému koncovému bodu. Ak ste vývojár, vždy si pred integráciou služieb tretích strán prečítajte podmienky a obmedzenia.

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"}]
}'

Pokiaľ ide o výkon, existujú referencie, ktoré uvádzajú klipy s dĺžkou až 10 sekúnd s perfektnou synchronizáciou zvuku a videa a vylepšeniami oproti alternatívam, ako je Veo 3, v určitých scénach. Tieto čísla sa môžu líšiť v závislosti od dostupnosti, kontroly nákladov a vývoja modelu.

Obmedzenia, bezpečnosť a duševné vlastníctvo

OpenAI má zabudované bezpečnostné a moderačné kontroly : predvolené limity pre tínedžerov, nástroje na úpravu personalizácie, detekciu obťažovania, moderovanie ľuďmi a možnosti rodičovskej kontroly z nastavení ChatGPT (časy používania, vypnutie personalizácie, moderovanie priamych správ).

Spoločnosť tvrdí, že má zavedené mechanizmy na obmedzenie verejne známych osôb a blokovanie explicitného obsahu . Spomínajú tiež kontroly živosti cameo obrázkov, metadát a vodoznakov a možnosti zrušenia použitia vášho obrázka, pričom všetky majú za cieľ zabrániť predchádzaniu vydávaniu sa za inú osobu a zneužitiu.

Pokiaľ ide o autorské práva, aplikácia sa snaží filtrovať postavy s chránenými právami ; napriek tomu niektorí používatelia nachádzajú medzery pomocou alternatívnych výrazov. Problém monitorujú držitelia práv a OpenAI už čelí súdnemu sporu za školenia s obsahom chráneným autorskými právami, takže sa očakávajú neustále úpravy.

Sora 2 by sa nemala používať tam, kde je vyžadovaná jednoznačná faktická presnosť . Je to generatívny systém: dokáže vymyslieť vierohodné detaily, takže v kontexte citlivých informácií alebo s právnymi požiadavkami by sa mala považovať za kreatívny podporný nástroj a nie za jeho náhradu.

Používateľská skúsenosť a kultúra remixov

Úvodný príspevok vyjadruje ľahkosť a humor : starostlivo vytvorené zostrihy navrhnuté pre komediálny efekt, zámerne trápne tiché momenty a pohľady do kamery, ktoré modelka pridáva aj bez toho, aby sa jej výslovne opýtali, či prispievajú k humoru. Toto doladenie zvyšuje virálny potenciál krátkych skečov.

Aplikácia umožňuje kreatívnu imitáciu s funkciami remixovania a predvolene viditeľnými výzvami. To urýchľuje kolektívne učenie a podporuje rýchle šírenie nápadov s minimálnymi variáciami, čo sme už videli úspešne v iných formátoch krátkych videí.

Niektorí opisujú Soru ako útok na spoločnosť Meta , ktorá spustila Vibes, svoju sieť samostatne generovaných klipov s kreatívnym/umeleckým zameraním. Prístup OpenAI je neúctivejší a prístupnejší, pričom cieľom je uprednostniť tvorbu pred pasívnou konzumáciou, aby sa predišlo únave z nekonečného rolovania.

Súťaž a panoráma

Toto odvetvie sa rýchlo rozvíja. Google napreduje s Veo 3 a nástrojmi pre tvorcov na YouTube; Meta napreduje s Vibes; TikTok si zachováva reštriktívnejšie pravidlá pre videá generované umelou inteligenciou, ktoré sa zaoberajú citlivými témami. Boj sa môže rozšíriť aj na monetizáciu, keďže spoločnosti sa snažia čo najlepšie integrovať tieto funkcie do pracovných postupov v reálnom svete.

Súbežne prebieha diskusia o školení s existujúcim obsahom (televízne programy, videá zo streamovacích platforiem atď.). Niektoré publikácie naznačujú, že aj články ako tento by sa mohli použiť na školenie budúcich modelov, pričom by sa kládol dôraz na dohody, licencovanie a transparentnosť.

V rámci ekosystému Apple boli citované súvisiace zdroje, ako napríklad Image Playground na generovanie obrázkov , spolu so všeobecnejším obsahom o aplikáciách a hrách, ktoré pomáhajú definovať kreatívny kontext v systéme iOS. Diskutuje sa aj o rastúcej úlohe YouTube v samotnom vyhľadávači Google, ktorá ukazuje, ako sa video stáva ústredným prvkom objavovania.

Ideálne prípady použitia… a kedy ich nepoužívať

• Krátke sociálne video: rýchla iterácia, kultúra remixov a cameo účasť pre virálne klipy.
• Prototypovanie pre film, reklamu alebo hryVizuálne a animačné makety s koherentným zvukom.
• Vzdelávacie a marketingové animácie: rozprávanie zosúladené s vizuálnymi prvkami a zvukom.
• Malé štúdiá a tvorcovia: vyleštené výsledky bez veľkých rozpočtov.

• Veľký formát a presné vizuálne efekty: riadenie po jednotlivých snímkach, ktoré je ešte lepšie ako v tradičných kanáloch.
• Kontexty, ktoré vyžadujú faktickú presnosťModel si môže vymyslieť vierohodné, ale chybné detaily.

Pri pohľade na celkový obraz sa Sora 2 približuje myšlienke hotového videoklipu bližšie ako kedykoľvek predtým : opíšte scénu, pridajte štýl, vložte svoj cameo a získajte video so synchronizovaným zvukom pripravené na zdieľanie alebo remix. Stále je potrebné veľa doladiť – od globálnej dostupnosti až po licencovanie a náklady – ale kreatívny a sociálny potenciál, ktorý je už v tejto ranej fáze zjavný, vysvetľuje, prečo toľko ľudí nevie prestať s jeho skúšaním.