Blog

2 月は Google が主役になることが求められる月になるはずでしたが、Open AI はこの状況を爆発させる決意をしています。今月、Google はついに Gemini をBard の後任として発表しました。新しい人工知能には、より強力なエンジンが搭載されており、 専用のアプリケーションがあり、 Gemini Advanced と呼ばれる有料版もあります。

しかし、同社は止まらず、 昨日、Gemini 1.5をスタイリッシュに発表しました。約束は？ Gemini Pro 1.0 と比較して 87% 優れており、GPT-4 よりもはるかに優れたパフォーマンスを示します。彼らが予想していなかったのは、ChatGPT の親である Open AI が、これまで見た中で最も残忍な生成ビデオ AI を発表するということでした。そうです、Google が新しいバージョンの Gemini を発表したのと同じ日でした。それはソラに関するもので、最初の例は…衝撃的です。

Sora はテキストからビデオを生成するツールですが、それは残酷です

生成人工知能の大手企業について話すとき、Open AI は最初に思い浮かぶ企業の 1 つです。その理由は、迅速に応答するだけでなく、コンテキストを非常によく分析するテキスト AI ChatGPT を備えているためです(少なくとも私たちのテストでは、Gemini よりもはるかに優れています)。

また、テキストから画像への生成のパイオニアの 1 つである DALL·E という AI もあり、確かに、Stable Diffusion や Midjourney などの他の人工知能に影をひそめられましたが、新しいバージョンでは見事に復活しました。ただし、ビデオはもう少し複雑です。

テキストプロンプトからビデオを生成する場合、ビデオは静止画像ではなく、照明、テクスチャ、アニメーション、物理学、パーティクルをシミュレートする必要がある動きのある画像であるため、多くの要素が関係します。生成ビデオ AI が納得のいく結果をもたらすことは非常に困難ですが、それでもまともな仕事をするエンジンがいくつかありました。

今ではソラのせいで彼らは後回しになってしまいました。 Open AI はテキストからビデオへの AI を発表するのが遅かったですが、見事にそれを実現しました。 Sora は簡単なテキスト コマンドで最大 60 秒のビデオを作成できます。この意味では、画像ジェネレーターとまったく同じであり、コマンドに詳細を追加するほど、シーンはより豊かになります。

Open AI の Web サイトにはいくつかの例があり (注意深く見ることをお勧めします)、そのうちのいくつかは非常に興味深いものです。その複雑さゆえに最も印象的なのは、東京を歩いている女性の姿です。

プロンプトは次のとおりです。

「エレガントな女性が、明るいネオンと看板でいっぱいの東京の通りを歩いています。彼女は黒い革のジャケット、赤い長いドレス、黒いブーツを着て、黒いバッグを持っています。彼女はサングラスと赤い口紅をしています。彼女は自信を持って歩いています。通りは濡れていて反射しており、光の鏡効果を生み出しています。

そして、そのビデオを以下に残しておきます。

人物の動画では表情や照明の映り込みが実に印象的ですが、最も素晴らしいのはドローンからの眺めです。 Open AI が示した例はいくつかありますが、サントリーニ島での例は壮観です。

残りの例を見てみると、特に要素や手が重ね合わされている場合に、印象的であると同時に不快なビデオが見られます。または、直接的には、以下に残しておきますが、これは非常に奇妙です。

現在、 Sora は Open AI 研究所でテストされていますが、その責任者は、テキスト コマンドによって生成されたビデオに加えて、既存のビデオを拡張したり、写真からビデオを作成したりすることも可能になると述べています。 DALL・E 3と同様の生成システムを使用しています。

Sora がユーザーに届くまでにどれくらいの時間がかかるか、そして何よりも、新しい Gemini に夢中になっていた Google からの返答を待つことになるでしょう…そして、Sora からすべてのスポットライトを奪われてしまった Google からの返答を待つことになります。また。

カバー写真 |そら