OpenAI: Ερχεται το Sora Turbo για δημιουργία βίντεο από κείμενο

Η OpenAI έκανε διαθέσιμο το νέο μοντέλο Sora Turbo, την εξελιγμένη έκδοση του συστήματος δημιουργίας βίντεο από κείμενο, μέσω ειδικής ιστοσελίδας για τους συνδρομητές ChatGPT Plus και Pro. Σύμφωνα με την ανακοίνωση της εταιρείας, το μοντέλο μπορεί να δημιουργήσει βίντεο διάρκειας έως 20 δευτερολέπτων σε ανάλυση που φτάνει τα 1080p από ένα κείμενο ή μια εικόνα προτροπής. Η αρχική ανακοίνωση του Sora είχε γίνει πριν 10 μήνες και από τότε η εταιρεία έδινε επιλεκτικά πρόσβαση σε ελάχιστους χρήστες και επαγγελματίες από το χώρο του κινηματογράφου και όχι μόνο

Η διαθεσιμότητα του Sora περιορίζεται προς το παρόν στις ΗΠΑ και σε πολλά μέρη του κόσμου, εξαιρώντας -προσωρινά- την Ελλάδα και τις υπόλοιπες χώρες της Ευρωπαικής Ένωσης λόγω του Νόμου για τις Ψηφιακές Αγορές (DMA). Ωστόσο, η OpenAI αναφέρει ότι ακόμη και οι υπάρχοντες συνδρομητές Plus αντιμετωπίζουν δυσκολίες πρόσβασης λόγω της αυξημένης κίνησης στην πλατφόρμα.

Για λόγους ασφαλείας, η OpenAI έχει θέσει περιορισμούς στη δημιουργία βίντεο με ανθρώπους, ενώ παράλληλα αναπτύσσει συστήματα πρόληψης deepfake. Η πλατφόρμα μπλοκάρει περιεχόμενο που σχετίζεται με CSAM και σεξουαλικά deepfakes, διατηρώντας ένα ενεργό σύστημα παρακολούθησης. Οι συνδρομητές του ChatGPT Plus (με κόστος $20/μήνα) μπορούν να δημιουργήσουν έως 50 βίντεο μηνιαίως σε ανάλυση 480p, με επιλογή για λιγότερα βίντεο σε ποιότητα 720p. Οι συνδρομητές Pro (με κόστος $200/μήνα) απολαμβάνουν διευρυμένες δυνατότητες, συμπεριλαμβανομένων υψηλότερων αναλύσεων και μεγαλύτερης διάρκειας.

Η OpenAI παρουσίασε επίσης νέες λειτουργίες όπως το “Explore”, που επιτρέπει στους χρήστες να περιηγηθούν σε βίντεο που έχουν δημιουργηθεί από άλλους, και το “Storyboard” για τη δημιουργία βίντεο με πολλαπλές δράσεις καρέ-καρέ. Σχετικά με την τεχνική λειτουργία, η OpenAI αποκάλυψε ότι το Sora χρησιμοποιεί “οπτικά patches” αντί για τα συνηθισμένα tokens κειμένου των LLMs, και εφαρμόζει μια τεχνική “recaptioning” παρόμοια με αυτή του DALL-E 3.

Η εταιρεία έχει ενσωματώσει μεταδεδομένα C2PA σε όλα τα παραγόμενα βίντεο για την επαλήθευση της προέλευσής τους, ενώ τα βίντεο εμφανίζουν ορατά υδατογραφήματα εξ ορισμού. Παρά τις εντυπωσιακές δυνατότητες, η OpenAI παραδέχεται ότι το μοντέλο έχει περιορισμούς, ιδιαίτερα στις προσομοιώσεις φυσικής και στις πολύπλοκες ενέργειες μεγάλης διάρκειας.