A inteligência artificial está constantemente evoluindo e nos surpreendendo com suas capacidades. Recentemente, a OpenAI, criadora do ChatGPT, lançou o Sora, um modelo de IA que promete transformar a maneira como criamos conteúdo visual.
Vamos explorar o Sora, como ele funciona, suas vantagens e limitações.
O que é o Sora?
O Sora é um modelo de IA capaz de criar vídeos realistas a partir de comandos de texto. Imagine escrever uma descrição detalhada de uma cena e, em seguida, ver essa cena ganhar vida em um vídeo de alta qualidade.
O Sora não apenas compreende os comandos de texto, mas também as regras do mundo físico, o que torna os clipes gerados pela ferramenta mais verídicos.
Os resultados obtidos sugerem que dimensionar modelos de geração de vídeo é um caminho promissor para a construção de simuladores de uso geral do mundo físico.
O Sora se coloca como concorrente de modelos similares de Google (Lumiere) e Meta (Make-A-Video). Essas tecnologias estão em fase de testes e ainda não foram liberadas para o uso do público.
Como o Sora Funciona?
- Comandos de Texto: O usuário escreve um prompt de comando em texto para o Sora, especificando o que deseja ver no vídeo.
- Técnica de Difusão: O Sora utiliza uma técnica chamada “difusão”. Inicialmente, o vídeo parece ruído estático, semelhante aos ruídos de uma TV fora do ar. No entanto, aos poucos, o Sora transforma esse ruído em um conteúdo de alta qualidade visual.
- Profundo Conhecimento de Linguagem: O modelo possui um profundo conhecimento de linguagem, permitindo a interpretação precisa das instruções do usuário. Ele compreende não apenas o que foi solicitado, mas também como esses elementos existem no mundo físico real, aumentando a precisão do modelo.
- Cenas Complexas: O Sora pode criar vídeos de até 60 segundos com cenas complexas, incluindo personagens, movimentos específicos e detalhes precisos.
As vantagens do Sora são notáveis. Ele torna a produção de conteúdo mais eficiente e criativa, permitindo a criação rápida de vídeos realistas a partir de texto.
O treinamento do modelo é feito em uma rede que reduz a dimensionalidade dos dados visuais. Essa rede recebe o input original e produz uma representação latente que é comprimida tanto temporal quanto espacialmente.
Sora é treinado e posteriormente gera vídeos dentro deste espaço latente compactado. Também é treinado um modelo de decodificador correspondente que mapeia as latentes geradas de volta ao espaço de pixels.
Além disso, antes de produzir um vídeo real, o Sora permite explorar conceitos e designs por meio de sua geração visual baseada em texto. Na indústria do entretenimento e nos jogos, o Sora abre novas possibilidades criativas, permitindo a criação de cenas e sequências personalizadas.
Além da criação do zero de vídeos, apenas a partir de texto, há também a funcionalidade de edição de cenas já existentes, como a troca de elementos reais por outros gerados pela IA. Está circulando um vídeo oficial da Open IA onde em uma cena de um carro andando, o carro original gravado no mundo real, é trocado por um outro modelo.
Durações, resoluções e proporções
Abordagens anteriores para geração de imagens e vídeos normalmente redimensionam, cortam ou ajustam vídeos para um tamanho padrão – por exemplo, vídeos de 4 segundos com resolução de 256×256. A OpenAI apresenta que, em vez disso, o treinamento com dados em seu tamanho original oferece vários benefícios para a tecnologia.
O modelo Sora pode trabalhar com vídeos widescreen 1920x1080p, vídeos verticais 1080×1920 e tudo mais.
Isso permite que Sora crie conteúdo para diferentes dispositivos diretamente em suas proporções nativas.
Ele também permite criar rapidamente protótipos de conteúdo em tamanhos menores antes de gerar em resolução total – tudo com o mesmo modelo.
E esse é um dos grandes diferenciais do Sora.
Riscos e desafios
No entanto, o modelo também enfrenta desafios. Ele pode ter dificuldade em simular com precisão a física de cenas complexas e compreender instâncias específicas de causa e efeito. Além disso, o processo de criação dos vídeos não é tão simples quanto parece, exigindo a geração de muitas imagens para obter resultados de qualidade.
A OpenAI também está empenhada em proteções contra conteúdos violentos, de cunho sexual e deepfakes gerados pelo Sora.
O Futuro É Brilhante
O Sora é uma ferramenta empolgante que promete expandir as possibilidades criativas na geração de conteúdo visual a partir de texto. O novo modelo de IA está em fase de testes e não há previsão de lançamento para o público, e precisa ter cuidado especial com deepfakes e ajustes físicos dos vídeos gerados.
Contudo, Sora já apresenta um potencial imenso, e estamos ansiosos para ver como o modelo será utilizado no futuro e impactará o cotidiano e a criação de novas tecnologias.
