OpenAI präsentiert das nächste große KI-Produkt: “Sora”

Zuletzt aktualisiert am 13. September 2024 von Lars Weidmann

OpenAI hat mit Sora ein neues Text-zu-Video-Modell eingeführt, das aus Textanweisungen realistische und kreative Videoszenen erschaffen kann. Sora revolutioniert die Videoproduktion, indem es komplexe Szenen mit mehreren Charakteren und spezifischen Bewegungsabläufen generiert. Das Modell versteht die physische Existenz von Objekten und kann Charaktere mit lebendigen Emotionen darstellen, was Nutzern ermöglicht, bis zu einer Minute lange fotorealistische Videos zu kreieren.

Revolutionäre Videokreation mit einem Fingertipp

Durch seine fortschrittliche Technologie kann Sora detaillierte Szenarien mit präzisen Themen- und Hintergrunddetails erzeugen. OpenAI hebt die Fähigkeit von Sora hervor, komplexe Interaktionen und Emotionen zu simulieren, was es von bisherigen Modellen abhebt. Nutzer können nun aus einfachen Textbeschreibungen heraus beeindruckende Videos erstellen.

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

Ein Blick in die Zukunft: Sora’s Möglichkeiten und Herausforderungen

Die ersten Demos von Sora, wie eine Luftaufnahme Kaliforniens während des Goldrauschs, demonstrieren sein Potenzial trotz kleinerer Unstimmigkeiten, wie bewegende Böden in einem Museumsvideo. Sora steht vor Herausforderungen wie der genauen Simulation der Physik in komplexen Szenen, setzt sich aber dennoch gegenüber Konkurrenten wie Googles Lumiere durch, die ähnliche Text-zu-Video-Funktionen anbieten.

Vorsichtige Einführung mit Blick auf die Zukunft

Derzeit ist der Zugang zu Sora auf eine begrenzte Gruppe von Testern beschränkt, um das Modell auf mögliche Risiken zu prüfen. OpenAI sucht aktiv das Feedback von Kreativen, um Sora zu verbessern. Das Unternehmen adressiert auch das Problem der Unterscheidung zwischen echten und KI-generierten Inhalten, etwa durch die Einführung von Wasserzeichen in DALL-E 3, und zeigt damit sein Engagement für verantwortungsvollen Technologieeinsatz.