OpenAI ने सोरा पेश किया: प्रभावशाली क्षमताओं के साथ एक क्रांतिकारी टेक्स्ट-टू-वीडियो मॉडल
Summary:
OpenAI ने एक टेक्स्ट-टू-वीडियो मॉडल, सोरा पेश किया है, जो सरल टेक्स्ट प्रॉम्प्ट को विस्तृत 60-सेकंड के वीडियो में बदल सकता है। अपने छवि-आधारित पूर्ववर्ती DALL-E 3 के समान 'प्रसार' मॉडल का उपयोग करते हुए, सोरा 'स्थिर शोर' जैसा दिखने वाला एक प्रारंभिक वीडियो या छवि उत्पन्न करता है, जिसे यह उत्तरोत्तर परिष्कृत करता है। अपनी क्षमताओं के बावजूद, OpenAI ने जटिल दृश्यों की भौतिकी का सटीक प्रतिनिधित्व करने और कारण और प्रभाव संबंधों को समझने में सीमाओं को स्वीकार किया। अभी के लिए, सोरा तक पहुंच साइबर सुरक्षा शोधकर्ताओं और चयनित कलाकारों को मूल्यांकन और प्रतिक्रिया के लिए प्रदान की गई है। सोरा की क्षमताओं के कई प्रदर्शन ऑनलाइन प्रसारित हुए हैं, जिससे काफी रुचि पैदा हुई है।
OpenAI, एक प्रमुख कृत्रिम बुद्धिमत्ता प्रतिष्ठान, ने अभी-अभी अपना उपन्यास टेक्स्ट-टू-वीडियो मॉडल, सोरा पेश किया है, जो सकारात्मक प्रारंभिक प्रतिक्रियाओं के बावजूद, अभी भी संवर्द्धन के लिए जगह है। 15 फरवरी को OpenAI द्वारा घोषित सोरा, सादे पाठ संकेतों को जटिल वीडियो में बदलने, पहले से मौजूद वीडियो को बढ़ाने और यहां तक कि एक स्थिर छवि से दृश्यों को शिल्प करने के लिए AI की क्षमताओं का उपयोग करता है। सोरा समृद्ध विवरण, ज्वलंत भावनाओं को प्रदर्शित करने वाले कई पात्रों और जटिल कैमरा आंदोलनों से भरे 60-सेकंड के वीडियो बनाने में सक्षम है।
15 फरवरी को जारी एक ब्लॉग पोस्ट में, OpenAI ने बताया कि सोरा 1080p तक पहुंचने वाले रिज़ॉल्यूशन गुणों में सिनेमाई उत्पादन के समान अनुक्रमों का निर्माण कर सकता है। OpenAI के पहले के छवि-केंद्रित मॉडल, DALL-E 3 के समान, सोरा एक "प्रसार" मॉडल का अभ्यास करता है, जिसमें AI एक प्रारंभिक वीडियो या छवि उत्पन्न करता है जो "स्थिर शोर" जैसा दिखता है और फिर उत्तरोत्तर "शोर को मिटाकर" इसे परिष्कृत करता है।
OpenAI के अनुसार, Sora का विकास उनके पिछले मॉडल, GPT और DALL-E3 से मिली सीख पर आधारित था, जिसने उपयोगकर्ता इनपुट को मिरर करने में मॉडल की सटीकता को स्पष्ट रूप से बढ़ाया है। OpenAI ने सोरा की मौजूदा सीमाओं को स्वीकार किया, जैसे जटिल दृश्यों की भौतिकी का सही ढंग से प्रतिनिधित्व करने में कठिनाइयाँ और कारण और प्रभाव संबंधों को गलत तरीके से पढ़ना। इसके अलावा, सोरा एक संकेत के "स्थानिक बारीकियों" को गलत समझ सकता है और गलत तरीके से प्रस्तुत कर सकता है, जिससे दिशाओं को गलत तरीके से संरेखित किया जा सकता है या सटीक विवरणों का पालन करने में विफल हो सकता है।
कुछ समय के लिए, OpenAI ने सोरा को केवल "रेड टीमर्स," अनिवार्य रूप से साइबर सुरक्षा शोधकर्ताओं के लिए सुलभ बना दिया है, ताकि कुछ चयनित डिजाइनरों, दृश्य कलाकारों और फिल्म निर्माताओं के अलावा संभावित जोखिमों और मुद्दों को देखा जा सके, ताकि आगे के सुधार के लिए प्रतिक्रिया प्रदान की जा सके। स्टैनफोर्ड यूनिवर्सिटी द्वारा दिसंबर 2023 में प्रकाशित एक अध्ययन ने छवि या वीडियो बनाने वाले मॉडल से जुड़ी महत्वपूर्ण नैतिक और कानूनी दुविधाओं की ओर इशारा किया जो LAION जैसे AI डेटाबेस का उपयोग करते हैं।
सोरा ने एक्स पर एक चर्चा छेड़ दी है, जिसमें 173,000 से अधिक पोस्ट मॉडल पर चर्चा कर रहे हैं और इसकी क्षमताओं के वीडियो प्रदर्शनों को प्रसारित कर रहे हैं। OpenAI के सीईओ सैम ऑल्टमैन ने X के उपयोगकर्ताओं के अनुरोधों के अनुसार कस्टम वीडियो बनाकर अपनी क्षमता का प्रदर्शन किया। विभिन्न उदाहरणों में एक ड्रैगन-समर्थित बतख और गोल्डन रिट्रीवर्स शामिल थे जो एक पहाड़ के ऊपर से पॉडकास्ट की मेजबानी कर रहे थे।
एआई कमेंटेटर मैके रिगले सहित कई व्यक्तियों ने सोरा द्वारा निर्मित वीडियो पर अपना विस्मय व्यक्त किया। एक्स पर 15 फरवरी की एक पोस्ट में, एनवीडिया के वरिष्ठ शोधकर्ता, जिम फैन ने अपने विश्वास पर जोर दिया कि सोरा केवल डीएएल-ई 3 की तरह एआई खिलौना नहीं है, बल्कि एक अधिक विकसित "डेटा-संचालित भौतिकी इंजन" है जो यथार्थवादी प्रतिपादन, सहज ज्ञान युक्त भौतिकी, लंबे क्षितिज तर्क और सिमेंटिक ग्राउंडिंग में सक्षम है।
Published At
2/16/2024 8:56:53 AM
Disclaimer: Algoine does not endorse any content or product on this page. Readers should conduct their own research before taking any actions related to the asset, company, or any information in this article and assume full responsibility for their decisions. This article should not be considered as investment advice. Our news is prepared with AI support.
Do you suspect this content may be misleading, incomplete, or inappropriate in any way, requiring modification or removal?
We appreciate your report.