GNIT Ameryka Północna zorganizowała dyskusję online na temat modelu AI typu tekst-na-wideo

2 stycznia członkowie GNIT Ameryka Północna dyskutowali o modelu AI typu tekst-na-wideo, szczególnie o Sorze od OpenAI. OpenAI zaprezentowało nowy AI typu tekst-na-wideo, co stanowi istotny krok naprzód w generatywnej sztucznej inteligencji. Opierając się na wcześniejszych modelach, ten AI zapewnia lepszy realizm, ulepszoną kontrolę kreatywną i zintegrowane funkcje audio, czyniąc go potężnym narzędziem dla twórców i deweloperów. System generuje krótkie klipy wideo na podstawie tekstowych wskazówek, przekształcając pisemne opisy w wysokiej jakości treści wideo z realistycznym ruchem, dokładną fizyką i zsynchronizowanym dźwiękiem, w tym dialogami i efektami dźwiękowymi.

Zauważalną cechą jest możliwość wstawienia własnego wizerunku cyfrowego do filmów za pomocą skanowania twarzy i próbkowania głosu, oferując wyjątkowe i spersonalizowane doświadczenie. Model obsługuje również różnorodne style kreatywne, od filmowych i fotorealistycznych po animowane i surrealistyczne, dając użytkownikom szeroką przestrzeń do opowiadania historii.

Towarzysząca modelowi aplikacja społecznościowa jest obecnie dostępna na iOS poprzez system zaproszeń tylko w USA i Kanadzie. Aplikacja działa jak platforma w stylu TikTok, gdzie użytkownicy mogą tworzyć, udostępniać i odkrywać filmy generowane przez AI. Zawiera również ustawienia prywatności, pozwalające użytkownikom zarządzać tym, kto może korzystać z ich cyfrowego wizerunku i otrzymywać powiadomienia, gdy ich obraz lub głos jest wykorzystywany w nowej treści.

Pomimo swoich możliwości, ten AI budzi kwestie etyczne, szczególnie dotyczące podszywania się i treści deepfake. OpenAI wdrożyło zabezpieczenia, aby zapobiec niewłaściwemu wykorzystaniu, w tym ograniczenia dotyczące treści o charakterze jawnym, przemocą, ekstremizmem lub samookaleczeniem. Niemniej jednak wciąż istnieją wyzwania związane z moderowaniem treści, a przypadki niewłaściwego wykorzystania zostały zgłoszone, co podkreśla ongoing potrzebę uważnego nadzoru.

AI jest obecnie dostępne dla użytkowników ChatGPT Plus i Pro, a szersza dostępność planowana jest poprzez API w niedalekiej przyszłości. Aplikacja towarzysząca stopniowo rozszerza się na więcej użytkowników iOS, ponieważ OpenAI nadal doskonali zarówno model, jak i jego zastosowania, równoważąc innowacje z odpowiedzialnym użytkowaniem. Ogólnie rzecz biorąc, ten nowy AI reprezentuje istotny krok naprzód w technologii tekst-na-wideo, łącząc realizm, personalizację i elastyczność kreatywną w sposób, który ma potencjał do przekształcenia tworzenia treści w wielu branżach.