OpenAI memperkenalkan Sora, miliknya

OpenAI meluncurkan model pembuatan video baru yang disebut Sora. Perusahaan AI mengatakan Sora “dapat menciptakan adegan yang realistis dan imajinatif dari instruksi teks.” Model text-to-video memungkinkan pengguna membuat video fotorealistik berdurasi hingga satu menit—semuanya berdasarkan instruksi yang mereka ketik.

Sora mampu menciptakan “adegan kompleks dengan banyak karakter, jenis gerakan tertentu, dan detail subjek dan latar belakang yang tepat,” menurut postingan blog pengantar OpenAI. Perusahaan juga mencatat bahwa model tersebut dapat memahami bagaimana objek “ada di dunia fisik” serta “menafsirkan alat peraga secara akurat dan menciptakan karakter menarik yang menyampaikan emosi yang jelas.”

Model ini juga dapat menghasilkan video berdasarkan gambar diam, serta mengisi frame yang hilang pada video yang sudah ada atau menambahnya. Sampel yang dihasilkan Sora yang disertakan dalam postingan blog OpenAI mencakup pemandangan udara California selama demam emas, video yang terlihat seperti diambil dari dalam kereta Tokyo, dan banyak lagi. Banyak dari model tersebut memiliki tanda-tanda AI – seperti lantai bergerak yang mencurigakan dalam video museum – dan OpenAI mengatakan model tersebut “mungkin mengalami kesulitan dalam mensimulasikan secara akurat fisika dari pemandangan yang kompleks,” namun secara keseluruhan hasilnya sangat mengesankan.

Beberapa tahun yang lalu, generator teks-ke-gambar seperti Midjourney berada di garis depan dalam kemampuan model untuk mengubah kata menjadi gambar. Namun baru-baru ini, video mulai meningkat dengan kecepatan yang luar biasa: perusahaan seperti Runway dan Pika telah memamerkan model teks-ke-video mereka yang mengesankan, dan Lumiere Google juga merupakan salah satu pesaing utama OpenAI di bidang ini. Mirip dengan Sora, Lumiere memberi pengguna alat teks-ke-video dan juga memungkinkan mereka membuat video dari gambar diam.

Sora saat ini hanya tersedia untuk “tim merah” yang menilai model untuk potensi kerusakan dan risiko. OpenAI juga menawarkan akses ke beberapa seniman visual, desainer, dan pembuat film untuk mendapatkan masukan. Dia mencatat bahwa model yang ada mungkin tidak secara akurat mensimulasikan fisika dari pemandangan yang kompleks dan mungkin tidak menafsirkan dengan benar kasus sebab dan akibat tertentu.