La última incursión de OpenAI en IA podría ser la más impresionante hasta la fecha. Apodado «Sora», este nuevo modelo de IA de texto a video acaba de abrir sus puertas a un número limitado de s que podrán probarlo. La compañía lo lanzó mostrando varios videos hechos íntegramente por IA, y los resultados finales son sorprendentemente realistas.
OpenAI presenta a Sora diciendo que puede crear escenas realistas basadas en indicaciones de texto, y los videos compartidos en su sitio web sirven para demostrarlo. Las indicaciones son descriptivas, pero cortas; Personalmente, he utilizado indicaciones más largas simplemente interactuando con ChatGPT. Por ejemplo, para generar el video de los mamuts lanudos que se muestra arriba, Sora requirió un mensaje de 67 palabras que describiera a los animales, el entorno y la ubicación de la cámara.
Introducing Sora, our text-to-video model.
Sora can create videos of up to 60 seconds featuring highly detailed scenes, complex camera motion, and multiple characters with vibrant emotions. https://t.co/7j2JN27M3W
Prompt: “Beautiful, snowy… pic.twitter.com/ruTEWn87vf
— OpenAI (@OpenAI) February 15, 2024
«Sora puede generar videos de hasta un minuto de duración mientras mantiene la calidad visual y la adherencia a las indicaciones del », dijo OpenAI en su anuncio. La IA puede generar escenas complejas llenas de muchos personajes, escenarios y movimientos precisos. Con ese fin, OpenAI dice que Sora predice y lee entre líneas según sea necesario.
«El modelo entiende no solo lo que el ha pedido en el mensaje, sino también cómo existen esas cosas en el mundo físico», dijo OpenAI. El modelo no solo aborda personajes, ropa o fondos, sino que también crea «personajes convincentes que expresan emociones vibrantes».
Sora también puede llenar los vacíos en un video existente o hacerlo más largo, así como generar un video basado en una imagen, por lo que no todo son solo indicaciones de texto.
Si bien los videos se ven bien como capturas de pantalla, son alucinantes en movimiento. OpenAI ofreció una amplia gama de videos para mostrar la nueva tecnología, incluidas las calles de Tokio al estilo Cyberpunk y «imágenes históricas» de California durante la fiebre del oro. También hay más, incluido un primer plano extremo de un ojo humano. Las indicaciones cubren cualquier cosa, desde dibujos animados hasta fotografía de vida silvestre.
Sora todavía cometió algunos errores. Mirar más de cerca revela que, por ejemplo, algunas figuras en la multitud no tienen cabeza o se mueven de manera extraña. El movimiento incómodo se destacó a primera vista en algunas muestras, pero la rareza general requirió múltiples visionados para detectarla.
Podría pasar un tiempo antes de que OpenAI abra Sora al público en general. En este momento, el modelo será probado por del equipo rojo que evaluarán los riesgos potenciales. Algunos creadores también podrán comenzar a probarlo ahora, mientras aún se encuentra en las primeras etapas de desarrollo.
La IA sigue siendo imperfecta, así que entré esperando algo bastante desordenado. Ya sea por las bajas expectativas o por las capacidades de Sora, me voy impresionado, pero también ligeramente preocupado. Ya vivimos en un mundo en el que es difícil distinguir una falsificación de algo real, y ahora, no son solo las imágenes las que están en peligro, los videos también lo están. Sin embargo, Sora no es el primer modelo de texto a video que hemos visto, como Pika.
Otros también están levantando la bandera, como el popular YouTuber de tecnología, Marques Brownlee, quien tuiteó que «si esto no te preocupa al menos un poco, nada lo hará» en respuesta a los videos de Sora.
Every single one of these videos is AI-generated, and if this doesn't concern you at least a little bit, nothing will
The newest model: https://t.co/zkDWU8Be9S
( Will Smith eating spaghetti? I have so many questions) pic.twitter.com/TQ44wvNlQw
— Marques Brownlee (@MKBHD) February 15, 2024
Si Sora de OpenAI es tan bueno ahora, es difícil imaginar de lo que será capaz después de unos años de desarrollo y pruebas. Este es el tipo de tecnología que tiene el potencial de desplazar muchos puestos de trabajo, pero, con suerte, al igual que ChatGPT, coexistirá con los profesionales humanos.
