Sora, la última herramienta de OpenAI para generar vídeos con IA, ha asombrado a los usuarios de las redes sociales por su realismo.
La empresa de inteligencia artificial (IA) OpenAI presentó el jueves su primer modelo de conversión de texto en vídeo, el cual tuvo una gran acogida, aunque admite que aún le queda camino por recorrer.
OpenAI presentó el 15 de febrero su nuevo modelo de IA generativa, bautizado como Sora, capaz de crear vídeos detallados a partir de simples mensajes de texto, continuar vídeos existentes e incluso generar escenas a partir de una imagen fija.
Según una entrada de blog publicada el 15 de febrero, OpenAI afirma que el modelo de IA puede generar escenas similares a las de una película en resoluciones de hasta 1080p. Estas escenas pueden incluir varios personajes, tipos específicos de movimiento y detalles precisos del sujeto y el fondo.
Cómo funciona Sora
Al igual que el predecesor de OpenAI basado en imágenes, Dall-E 3, Sora funciona con lo que se conoce como modelo de difusión.
La difusión se refiere a un modelo generativo de IA que crea su resultado generando un vídeo o una imagen con algo que parece más bien “ruido estático” y transformándolo gradualmente mediante la “eliminación del ruido” a lo largo de varios pasos.
La empresa de IA escribió que Sora se ha basado en investigaciones anteriores de los modelos ChatGPT y Dall-E 3, lo que, según la empresa, hace que el modelo represente mejor los inputs del usuario.
OpenAI admite que Sora sigue presentando varios puntos débiles y que podría tener problemas para simular con precisión la física de una escena compleja, sobre todo al confundir la naturaleza de la causa y el efecto.
“Por ejemplo, una persona puede dar un mordisco a una galleta, pero después, la galleta puede no tener la marca del mordisco.”
La empresa afirma que la nueva herramienta también puede confundir los “detalles espaciales” de una indicación determinada al confundir la izquierda y la derecha o no seguir descripciones precisas de las indicaciones.