OpenAI revela o modelo de vídeo Sora 2 com física realista, áudio de alta qualidade e um novo aplicativo social
A OpenAI apresentou o Sora 2, um avanço significativo na geração de vídeos por inteligência artificial que promete aproximar a tecnologia do uso cotidiano. O novo modelo se destaca pela introdução de física mais realista, controle aprimorado e, pela primeira vez, a capacidade de gerar áudio de alta qualidade integrado aos vídeos. Complementando o lançamento, foi anunciado um aplicativo para iOS, projetado para facilitar o compartilhamento de criações em vídeo com amigos.
Internamente na OpenAI, o Sora 2 é considerado uma evolução crucial. Enquanto o modelo original foi um marco inicial de prova de conceito, o Sora 2 é equiparado ao “momento GPT-3.5 para vídeo”, indicando um ponto onde a tecnologia se torna verdadeiramente utilizável. Essa transição espelha o impacto que os modelos de linguagem tiveram anos atrás, abrindo portas para aplicações práticas e generalizadas.
Avanços em física e controle
O grande diferencial do Sora 2 reside na sua capacidade de simular processos físicos complexos com precisão notável. A inteligência artificial demonstra habilidade em reproduzir acrobacias, como manobras ginásticas e cambalhotas com pranchas de stand up paddle, com um realismo que impressiona. A simulação do comportamento de objetos, como o quique de uma bola de basquete na tabela, evidencia uma melhor compreensão das leis da física, mesmo que a animação de personagens possa apresentar ocasionalmente imprecisões.
A OpenAI afirma que o Sora 2 é capaz de seguir instruções complexas e de múltiplas etapas através de diversas cenas, mantendo a coesão narrativa. O modelo também suporta uma ampla gama de estilos visuais, que vão desde o fotorealismo até o cinematográfico e o estilo anime. Os clipes demonstrativos, embora ainda não haja especificações técnicas oficiais sobre resolução ou duração máxima, aparentam ter qualidade de 720p a 30 FPS e duração entre cinco a dez segundos.
Som de alta fidelidade e interatividade
Um dos saltos mais significativos do Sora 2 é a integração de áudio de alta qualidade. O modelo agora é capaz de gerar ruídos de fundo, diálogos e efeitos sonoros com um realismo impressionante, buscando manter a sincronia perfeita entre imagem e som, similar ao que se observa no Veo 3 do Google.
Uma funcionalidade inovadora permite que os usuários se insiram nos vídeos criados. Ao gravar a própria voz e aparência, é possível gerar participações (“cameos”) que aparecem em qualquer cena, mantendo a identidade visual e sonora do usuário. Animais e objetos também podem ser incorporados, e o vídeo de demonstração contou com a participação do CEO da OpenAI, Sam Altman.
A OpenAI enfatiza que os usuários detêm controle total sobre suas participações, podendo autorizar o uso apenas por pessoas específicas e visualizar todos os vídeos nos quais aparecem. O acesso pode ser revogado ou a participação excluída a qualquer momento. Proteções adicionais foram implementadas para menores de idade, com controles mais rigorosos e menor visibilidade.
Aplicativo social e acesso
O Sora 2 está sendo disponibilizado através de um novo aplicativo para iOS, que permite a criação de vídeos, remixagem de conteúdos de terceiros e exploração de um feed personalizado. Inicialmente, o acesso é por convite nos Estados Unidos e Canadá, com planos de expansão para outros países em breve. Nesta fase inicial, o uso do Sora 2 será gratuito.
O feed do aplicativo exibe vídeos de contatos e clipes com potencial para remix, com recomendações baseadas nos modelos de linguagem da OpenAI, ajustáveis por comandos textuais. A empresa destaca que o foco do aplicativo é incentivar a criação e a interação, alinhado à sua “Filosofia do Feed”. Para acessar o Sora 2 Pro, com vídeos de qualidade superior, é necessário um código de convite para o site Sora.com. Uma API para o modelo também está em desenvolvimento.