La competencia por liderar el desarrollo de la inteligencia artificial continúa intensificándose. A escasas horas del anuncio de Google sobre Gemini 1.5, una versión mejorada de su modelo multimodal para competir con GPT-4, OpenAI ha revelado su primer modelo de generación de vídeos.
En el ámbito tecnológico, la inteligencia artificial ha sido tema de gran interés, no solo debido al lanzamiento de Gemini en Chile y al anuncio de su versión Gemini 1.5, sino también por OpenIA y la presentación de Sora. Generando un gran revuelo en las redes sociales, ya que se trata de una inteligencia artificial en fase experimental que permite, por el momento, generar vídeos de hasta 60 segundos mediante un prompt de texto.
¿Cómo funciona Sora?
Según la compañía dirigida por Sam Altman, Sora es capaz de generar escenas realistas siguiendo las indicaciones de los usuarios. Como, por ejemplo:
- “Un paisaje urbano futurista con robots volando por el cielo.”
- “Un niño jugando con su perro en un parque lleno de flores.”
- “Una bailarina realizando una coreografía bajo la lluvia.“
Sora analizará tu descripción y utilizará su conocimiento del mundo para crear un video que se ajuste a ella. Podrás elegir la duración del video, el estilo visual, la música e incluso el tipo de cámara que quieres utilizar.
Este modelo mantiene la calidad de los fotogramas y opera de manera similar a otros generadores de texto a imagen, como DALL-E o Midjourney. Se emplea un prompt para describir lo que se desea que la herramienta genere, la calidad y precisión del video dependen en gran medida de la habilidad del usuario para proporcionar prompts precisos.
Los videos generados por Sora han ganado popularidad en las redes sociales debido a sus impresionantes cambios de plano y magnifica calidad visual, gracias a las indicaciones extremadamente precisas proporcionadas en los prompts. Por ejemplo, uno de los videos más virales presenta a una modelo caminando por las calles de Tokio, con el prompt detallando minuciosamente su apariencia y el entorno circundante.
De acuerdo a explicación desde OpenIA, Sora puede generar escenas complejas con múltiples personajes y especificar el tipo de movimiento del sujeto y detalles precisos del entorno. La empresa destaca que el modelo comprende no solo lo que el usuario ha solicitado en el mensaje, sino también cómo existen esas cosas en el mundo físico.
¿Cómo es capaz Sora de generar videos tan precisos?
Esto es posible gracias a que el modelo fue entrenado con una amplia biblioteca de vídeos, lo que le permite reconocer movimientos, descripciones y prácticamente cualquier solicitud de los usuarios, siendo capaz de recrearlas casi a la perfección. En este sentido, Sora está entrenada para entender lo que el usuario desea en términos de vestimenta, accesorios, efectos visuales o tipos de personas.
Aunque los vídeos puedan parecer increíblemente realistas, OpenAI asegura que todos los vídeos publicados en el blog que anunció este nuevo modelo no han sido editados. En caso de que lo que señala la compañía sea completamente verídico, estaríamos ante una herramienta sumamente prometedora.
Sin embargo, a pesar de sus impresionantes capacidades, OpenIA advierte que Sora también tiene sus propias limitaciones, como cualquier otro modelo de inteligencia artificial.
Según indican, “puede tener dificultades para simular con precisión la física de una escena compleja y puede no comprender instancias específicas de causa y efecto“.
¿Cómo impacta a las empresas y sus recursos humanos?
Sora, tiene un impacto significativo en las empresas y sus recursos humanos. Esta innovadora tecnología ofrece varias ventajas y desafíos que deben ser considerados por las organizaciones:
- Automatización de la creación de contenido visual: Sora permitiría a las empresas crear videos de manera rápida y eficiente, sin necesidad de contar con un equipo de producción de video especializado. Reduciendo los costos asociados con la producción de contenido visual y agilizando el proceso de creación.
- Mayor flexibilidad y personalización: Las empresas podrían generar videos personalizados para diferentes propósitos, como marketing, capacitación de empleados o comunicación interna. Adaptando su contenido visual a las necesidades específicas de su audiencia y mejorar la experiencia del usuario.
- Optimización de recursos humanos: Si bien, automatiza la generación de videos, se necesitaría personal humano para proporcionar las descripciones textuales y supervisar el proceso. Esto puede llevar a una optimización, ya que los empleados pueden centrarse en tareas más estratégicas y creativas, en lugar de dedicar tiempo a tareas repetitivas y tediosas.
- Desafíos éticos y de capacitación: La implementación de Sora puede plantear desafíos éticos relacionados con el uso responsable de la inteligencia artificial en la creación de contenido visual. Además, es posible que los empleados necesiten capacitación adicional para aprender a trabajar con esta nueva tecnología y comprender sus implicaciones en el trabajo diario.
¿Cuándo estará disponible Sora?
Sora aún se encuentra en fase de desarrollo, pero OpenAI planea ponerlo a disposición del público en general en un futuro cercano. En la actualidad, Sora está disponible exclusivamente para investigadores de OpenAI, lo que significa que su funcionamiento está restringido a pruebas de laboratorio. Sin embargo, OpenIA ha indicado que planea ponerlo a disposición del público en general a través de su catálogo de productos, una vez que se hayan implementado diversas medidas para garantizar la seguridad de los usuarios. Este aspecto es crucial, especialmente para prevenir la generación de deepfakes, como el incidente reciente que afectó a Taylor Swift.
Aunque aún no se ha establecido una fecha concreta para el lanzamiento de esta IA al mercado, es probable que no tarde mucho en someterse a pruebas. Esta innovadora inteligencia artificial, que evidencia los grandes avances de la industria, seguramente estará disponible para su evaluación en un futuro cercano.
La presentación de Sora por parte de OpenAI marca un hito en el desarrollo de la IA. Su capacidad para generar videos realistas a partir de descripciones textuales abre nuevas posibilidades para la creación de contenido, educación, marketing y entretenimiento. Sin embargo, es importante tener en cuenta las limitaciones de la herramienta y los riesgos éticos asociados a su uso.
