ماذا يولّد ذكاء اصطناعي يحول النص إلى فيديو مثل Sora؟

يُنتج نموذج ذكاء اصطناعي لتحويل النص إلى فيديو مثل "سورا" مقاطع فيديو قصيرة مباشرة من وصف مكتوب، متوقعاً كيف يجب أن تتغيّر الصور وتتحرك من إطار إلى آخر لتطابق ما يصفه الطلب. يتيح ذلك لأي شخص كتابة جملة بسيطة والحصول على مشهد متحرك، غالباً واقعي بشكل مذهل، دون استخدام كاميرا على الإطلاق، رغم أن النظام لا يزال مضطراً عملياً لتخيّل تفاصيل بصرية لا حصر لها، كالإضاءة والفيزياء، لم تُذكر صراحة في النص.

أما ألبومات الصور المطبوعة فهي منتجات مادية تتطلب طباعة وتجميعاً، ولا علاقة لها بتوليد فيديو رقمي متحرك من نص. واتصال إنترنت منزلي أسرع هو ترقية لخدمة الإنترنت لا علاقة لها بنموذج ذكاء اصطناعي ينتج محتوى فيديو.

غالباً ما تُظهر مقاطع تحويل النص إلى فيديو المبكرة عيوباً غريبة، كأيدٍ بعدد أصابع خاطئ أو أجسام تمر عبر بعضها البعض، ما يبرز أن الواقعية الفيزيائية لا تزال من أصعب الأمور التي على هذه النماذج إتقانها.