OpenAI از Sora 2 رونمایی کرد؛ مدل ویدیویی با واقع‌گرایی و افکت صوتی پیشرفته

به گزارش نگاه فناوری:بیش از یک سال از زمانی که OpenAI مدل تولید ویدیو و صوتی خود، یعنی Sora، را معرفی کرد می‌گذرد. اکنون OpenAI اولین به‌روزرسانی بزرگ خود را با معرفی Sora 2 ارائه کرده است؛ مدلی که می‌تواند ویدیوهایی بسیار واقع‌گرایانه‌تر و از نظر فیزیکی دقیق‌تر تولید کند، و در عین حال، کنترل کاربر و قابلیت‌های ویرایشی بهبودیافته‌ای را به همراه دارد.

Sora 2 که به عنوان «لحظه‌ی GPT 3.5» توصیف شده است، خروجی صوتی پیشرفته‌ای را نیز به ارمغان می‌آورد که شامل دیالوگ‌ها و جلوه‌های صوتی همگام‌سازی‌شده است. Sora 2 قادر است از مشکلات رایجی که در مدل‌های تولید ویدیوی قبلی دیده می‌شدند، مانند تغییر شکل اشیاء و تحریف واقعیت فیزیکی برای تکمیل یک فرمان متنی، جلوگیری کند.

ویدیوهای تولیدشده همچنین از دستورالعمل‌های چند شاتی (multi-shot instructions) پیروی کرده و ثبات و سازگاری را در صحنه‌های مختلف حفظ خواهند کرد. Sora 2 از چندین سبک تولید ویدیو، از جمله سینمایی، واقع‌گرایانه و انیمه، پشتیبانی می‌کند.

OpenAI همچنین در حال راه‌اندازی یک اپلیکیشن مستقل Sora برای iOS است که از طریق سیستم دعوت‌نامه در دسترس خواهد بود. Sora 2 دارای چندین مکانیزم حفاظتی است، از جمله محدودیت‌هایی در استفاده از چهره‌ی افراد مشهور در تولید ویدیو. OpenAI همچنین تأیید کرد که کاربران می‌توانند به دیگران اجازه دهند تا «حضورهای افتخاری» (cameos) با ظاهر آن‌ها ایجاد کنند، اما این اجازه می‌تواند در هر زمانی توسط کاربر لغو شود.

عرضه‌ی اولیه‌ی Sora 2 از امروز آغاز می‌شود و به مناطق ایالات متحده و کانادا محدود خواهد بود. در مورد قیمت‌گذاری، OpenAI تأیید کرد که Sora 2 در ابتدا رایگان خواهد بود و دارای «محدودیت‌های سخاوتمندانه‌ای» است تا کاربران بتوانند قابلیت‌های آن را کشف کنند.

مشترکین ChatGPT Pro به مدل با کیفیت بالاتر Sora 2 Pro دسترسی پیدا خواهند کرد. OpenAI همچنین تأیید کرد که قصد دارد API مدل Sora 2 را نیز به زودی منتشر کند.