OpenAI ha presentado Sora, una Inteligencia Artificial (IA) generativa capaz de crear vídeos realistas de hasta 60 segundos a partir de instrucciones de texto. El resultado detallado, incorpora movimientos de cámara complejos, múltiples personajes con emociones, que pone los pelos de punta por los riesgos de que pueda ser utilizada como herramienta de desinformación.

La tecnológica estadounidense pretende con Sora continuar avanzando en las capacidades de la IA, entrenando modelos que ayuden a las personas a resolver problemas que requieran interacción con el mundo real. Para ello, ha estado enseñando a la IA a comprender y simular el mundo físico en movimiento.

OpenAI ha presentado Sora, su nuevo modelo de IA de texto a vídeo, con el que permite la creación de vídeos realistas de hasta un minuto de duración a partir de las indicaciones de texto que le suministre el usuario, según ha informado la compañía en su web y en X (antigua Twitter),

Para la creación de los vídeos, los usuarios deberán escribir una serie de instrucciones explicando a la IA qué características tiene que incluir la escena, así como los personajes y las acciones que llevarán a cabo, el entorno, el clima, y los movimientos de cámara que se deban recrear.

Uno de los vídeos de ejemplo de las capacidades de Sora, que ha compartido OpenAI, tiene las siguientes indicaciones: primer plano del parpadeo del ojo de una mujer de 24 años, de pie en Marrakech durante el atardecer, película cinematográfica rodada en 70mm, profundidad de campo, colores vivos, cinematográfico.

La compañía dirigida por Sam Altman ha subrayado que el modelo de IA puede realizar escenas tan precisas, porque comprende lo que el usuario solicita en sus indicaciones de texto, pero además es capaz de comprender cómo existen esas cosas en el mundo físico.

Siguiendo esta línea, se ha de tener en cuenta su amplio conocimiento del lenguaje, lo que permite que Sora interprete todas las indicaciones de texto con "precisión", por ejemplo, creando personajes realistas que expresan "emociones vibrantes".

Sora es capaz de generar un vídeo a partir de una imagen fija existente; la IA puede animaar este contenido de la imagen con precisión y sin perder detalle, así como alargar la duración de un vídeo existente o completar algunos fotogramas.

En cuanto a su funcionamiento, Sora genera un vídeo a partir de otros vídeos que, según OpenAI, parecen "ruido estático". De esta manera, el modelo lo transforma gradualmente eliminando el ruido en muchos pasos, hasta llegar a la visualización de las imágenes realistas. Asimismo, al igual que los modelos GPT, utiliza una "arquitectura de transformador" con la que, según la compañía, se desbloquea un rendimiento de escalado superior. Concretamente, las imágenes del vídeo se representan como "colecciones de unidades de datos más pequeñas", a las que se refiere como parches. Así, cada parche es el equivalente a un token en GPT.

Por el momento, el uso del nuevo modelo solo está disponible para los miembros del equipo rojo de OpenAI, el equipo dedicado a la investigación del servicio, de cara a ponerlo a prueba y comprobar qué fallos presenta y cuáles son sus posibles riesgos.

Igualmente, Sora también está siendo probado por un grupo de artistas visuales, diseñadores y cineastas, de cara a conocer las posibles mejoras del modelo y hacer que sea lo más útil posible para los profesionales creativos, según ha explicado la compañía.

De hecho, tal y como ha compartido OpenAI, el modelo todavía presenta algunas dificultades para representar cuestiones relacionadas con el espacio, la física o las acciones de causa y efecto. Por ejemplo, si se detalla que en el vídeo debe aparecer una persona mordiendo una galleta, es posible que la galleta aparezca posteriormente en otra escena sin el mordisco.

De la misma forma, también pueden surgir errores como que el modelo mezcle la izquierda con la derecha, o que no sea capaz de seguir una trayectoria de cámara específica.

OpenAI ha tratado de tranquilizar ante la potente herramienta y ante el riesgo de una mala utilización. La compañía ha explicado que están tomando varias medidas de seguridad que implementarán en Sora antes de que el modelo esté disponible para todos los usuarios. Para ello, están trabajando junto al equipo rojo, que también dispone de expertos en áreas de desinformación, contenido que incita al odio y perjuicios.

La compañía de Altman está desarrollando herramientas para detectar contenido engañoso. Se trata de una serie de funciones que permitirán clasificar los vídeos generados por Sora, para identificarlos frente a otro tipo de vídeos o vídeos reales. Una de estas funciones es la implementación de metadatos de C2PA, un estándar que verifica el origen del contenido y la información relacionada.

Además de todo ello, actualmente también se están utilizando los métodos de seguridad que ya utilizan otros productos de la tecnológica impulsados por DALL·E 3 que, según ha dicho, también son aplicables a Sora.

Estos métodos de seguridad verifican y rechazan las solicitudes de ingreso de texto que infrinjan las políticas de uso, como es el caso de cuestiones relacionadas con violencia extrema, contenido sexual, imágenes de odio o imágenes personales. Igualmente, también disponen de clasificadores de imágenes que revisan los fotogramas de cada vídeo para garantizar que se cumplan las políticas de la compañía, antes de mostrarlo al usuario.

Suscríbete a las newsletters de Informativos Telecinco y te contamos las noticias en tu mail

Síguenos en nuestro canal de WhatsApp y conoce toda la actualidad al momento