소라 같은 텍스트-투-비디오 AI가 만들어 내는 것은?

소라 같은 텍스트-투-비디오 AI는 글로 쓴 설명만으로 짧은 영상 클립을 직접 생성하며, 프롬프트가 묘사하는 내용에 맞춰 한 프레임에서 다음 프레임으로 이미지가 어떻게 변하고 움직여야 하는지를 예측합니다. 이 덕분에 누군가는 간단한 한 문장만 입력해도 카메라를 전혀 쓰지 않고 놀라울 만큼 현실적인 움직이는 장면을 얻을 수 있지만, 시스템은 여전히 텍스트에 명시되지 않은 조명이나 물리 법칙 같은 수많은 시각적 세부사항을 사실상 스스로 상상해내야 합니다.

인화된 사진 앨범은 인쇄와 조립이 필요한 실물 제품으로, 텍스트로부터 디지털 동영상을 생성하는 것과는 무관합니다. 더 빠른 가정용 인터넷은 인터넷 서비스 업그레이드일 뿐, AI 모델이 영상 콘텐츠를 만드는 것과는 아무 관계가 없습니다.

초기의 텍스트-투-비디오 클립은 손가락 개수가 이상하거나 물체가 서로를 통과하는 것 같은 기이한 오류를 종종 보여주는데, 이는 물리적 현실감이 이런 모델들에게 여전히 가장 구현하기 어려운 부분 중 하나임을 잘 보여줍니다.