Sora: OpenAIs Videorevolution
Von Sara Votta
2 Min. Lesezeit
Automatisch aus dem englischen Original übersetzt Original lesen
Eine neue Grenze der KI: vom Text zum Video mit einem Klick. OpenAI hat in den vergangenen Tagen eine neue Anwendung für künstliche Intelligenz vorgestellt. Ziel von Sora ist es, Videos aus Textbeschreibungen zu erstellen. Vorerst ist die App ein Forschungsprodukt und wird einer Gruppe von Kreativen und Sicherheitsexperten zur Verfügung gestellt…
Eine neue Grenze der KI: vom Text zum Video mit einem Klick
OpenAI hat in den vergangenen Tagen eine neue Anwendung für künstliche Intelligenz vorgestellt. Ziel von Sora ist es, Videos aus Textbeschreibungen zu erstellen. Vorerst ist die App ein Forschungsprodukt und wird einer Gruppe von Kreativen und Sicherheitsexperten zur Verfügung gestellt.
Wie auf der Website von OpenAI angekündigt wird: „Sora ist ein KI-Modell, das aus Textanweisungen realistische und fantasievolle Szenen erzeugen kann.“ Auf der Website werden mehrere von Sora erzeugte Videos gezeigt. Die Anwendung kann Videos von bis zu einer Minute Länge erzeugen und dabei die visuelle Qualität und die Übereinstimmung mit der Anfrage des Nutzers wahren. Sora kann komplexe Szenen mit mehreren Figuren, bestimmten Bewegungsarten sowie präzisen Details zu Motiv und Hintergrund erzeugen. Das Modell erfasst nicht nur, was der Nutzer verlangt, sondern auch, wie diese Dinge in der physischen Welt existieren. Dieses Modell hat Schwächen: Es kann Schwierigkeiten haben, eine komplexe Szene genau zu simulieren. So kann es vorkommen, dass eine Person in einen Keks beißt, der Keks danach aber keine Bissspur aufweist. Es könnte auch räumliche Details verwechseln, etwa rechts und links.
Zur Sicherheit: Bevor OpenAI die Anwendung zur Verfügung stellt, hat das Unternehmen mehrere Tests für Sora aufgesetzt, um sie auf die Probe zu stellen, und zudem die bestehenden Sicherheitsmethoden eingesetzt, die auch für DALL-E 3 verwendet werden. Politiker, Pädagogen und Künstler sollen anschließend einbezogen werden, um den positiven Einsatz dieser neuen Technologie zu verstehen und zu bestimmen.
Sora verwendet, wie GPT, eine Transformer-Architektur. Videos werden als Sammlungen von Dateneinheiten dargestellt. Das Modell kann nicht nur allein aus den Textanweisungen ein Video erzeugen, sondern auch ein vorhandenes Standbild nehmen und daraus ein Video erstellen.
Auch in diesem Fall wird deutlich, welche Fortschritte die künstliche Intelligenz gemacht hat. Natürlich wird es Kritik daran geben, insbesondere an der Möglichkeit, die Kreativen dieses Bereichs in den Schatten zu stellen.
Geschrieben von Sara Pia Votta
