مدل هوش مصنوعی ویدیوساز Sora از شرکت OpenAI که در زمان عرضه انقلابی به پا کرد، اکنون جایگاه خود را در برابر رقبای قدرتمندی مانند Veo 3 گوگل از دست داده است. با انتظار برای عرضه نسخه جدید در آینده نزدیک، کارشناسان معتقدند که این بهروزرسانی نمیتواند یک پیشرفت جزئی باشد.
برای آنکه OpenAI بتواند دوباره در بازار تولید ویدیوی هوش مصنوعی پیشرو باشد، مجموعهای از بهبودهای ضروری برای Sora 2 وجود دارد که باید در نسخه جدید لحاظ شوند. در ادامه به پنج مورد از مهمترین این تغییرات میپردازیم.
اگر به هوش مصنوعی و دنیای آن علاقهمند هستید، با ای بازی همراه شوید تا از جدیدترین اخبار مطلع بمانید.
در حالی که جمینای در پیکسل واچ 3 در درک یک موقعیت ساده (اینکه کدام دستگاه باید پاسخ دهد) دچار مشکل است، ما شاهد عرضه عروسکهای مجهز به هوش مصنوعی برای ایفای نقش در زمینه پیچیده و حساس رشد کودکان هستیم.
این تناقض، چالش اصلی هوش مصنوعی را آشکار میکند: قبل از اینکه بتوانیم به آن برای همکاری در وظایف تخصصی مانند کار با قطعاتی مثل نانو بنانا (Nano-Banana) اعتماد کنیم، باید ابتدا ثابت کند که میتواند از پس سادهترین زمینههای اجتماعی و فنی برآید.
پنج مورد از بهبودهای ضروری برای Sora 2
برای رقابت جدی با مدلهای ویدیویی گوگل و رقبای نوظهور چینی، OpenAI باید از قابلیتهای چندوجهی خود بهرهبرداری کرده و ویژگیهای Sora را به طور چشمگیری گسترش دهد.
۱. تولید صدای بومی و یکپارچه
یکی از بزرگترین ضعفهای Sora فعلی، تولید کلیپهای صامت است. در مقابل، رقیب اصلی آن یعنی Veo 3، تولید جلوههای صوتی، نویز محیط و حتی دیالوگ را به عنوان بخشی جداییناپذیر از فرآیند خود ارائه میدهد. برای رقابتی ماندن، قابلیت تولید صدای بومی و یکپارچه یکی از بهبودهای ضروری برای Sora 2 است. این ویژگی نباید یک افزودنی جانبی باشد، بلکه باید شامل توانایی تولید دیالوگ با همگامسازی لب و ایجاد فضاهای صوتی اتمسفریک باشد.
۲. بهبود چشمگیر در شبیهسازی فیزیک
واقعگرایی بصری تنها به رزولوشن بالا محدود نمیشود؛ بلکه اساساً به فیزیک صحیح وابسته است. ویدیوهای فعلی Sora اغلب از حرکتهای غیرطبیعی، فیزیک تحریفشده و تغییر شکل غیرمنتظره اشیاء رنج میبرند.
گوگل به وضوح شبیهسازی فیزیک دنیای واقعی را در Veo 3 در اولویت قرار داده است. Sora 2 برای بستن این شکاف، باید درک بهتری از رفتار دنیای واقعی، از دینامیک دود و مایعات گرفته تا حرکات طبیعی انسان، داشته باشد.
۳. پرامپتنویسی محاورهای به عنوان استاندارد
نقطه قوت اصلی OpenAI، مدل ChatGPT است که میلیونها کاربر را به تعامل محاورهای با هوش مصنوعی عادت داده است. Sora 2 باید از این مزیت استفاده کرده و فرآیند ساخت ویدیو را به یک گفتگو تبدیل کند. به جای نیاز به پرامپتهای فنی و پیچیده، کاربر باید بتواند با درخواستهای ساده و پیدرپی، ویدیوی خود را اصلاح کند.
۴. ثبات و سفارشیسازی شخصیتها
یکی دیگر از ضعفهای جدی Sora، عدم ثبات در ظاهر شخصیتها و سبک هنری در کلیپهای مختلف است. این موضوع روایت داستانهای منسجم با شخصیتهای تکرارشونده را تقریباً غیرممکن میکند.
Sora 2 باید به کاربران اجازه دهد شخصیتها، اشیاء و سبکهای هنری را در طول یک ویدیو یا مجموعهای از کلیپها ثابت نگه دارند. رقبایی مانند Kling 2.1 و Google Flow از طریق آپلود تصاویر مرجع، این قابلیت را ارائه میدهند.
۵. ادغام عمیق با ChatGPT و دسترسی همگانی
در نهایت، OpenAI باید با ادغام عمیق Sora 2 در اکوسیستم ChatGPT و فراهم کردن دسترسی گسترده، از مزیت رقابتی خود نهایت استفاده را ببرد. تبدیل Sora به یک ویژگی یکپارچه در ChatGPT، به میلیونها کاربر این امکان را میدهد که بدون نیاز به جابجایی بین برنامهها، به یک استودیوی ویدیوسازی هوش مصنوعی دسترسی داشته باشند.
بهینهسازی برای موبایل نیز حیاتی است، زیرا به OpenAI اجازه میدهد بازار بزرگ تولیدکنندگان محتوا در پلتفرمهایی مانند تیکتاک و ریلز را به دست آورد.
رقابت در حوزه تولید ویدیوی هوش مصنوعی بسیار شدید است و Sora 2 نمیتواند تنها یک بهروزرسانی جزئی باشد. OpenAI با داشتن زیرساختهای قدرتمند و پایگاه کاربری گسترده، فرصت بازپسگیری جایگاه رهبری را دارد، اما این امر تنها در صورتی محقق خواهد شد که بهبودهای ضروری برای Sora 2 که در این مقاله به آنها اشاره شد، به طور کامل پیادهسازی شوند.
