O que uma IA de texto para vídeo como o Sora gera?

Uma IA de texto para vídeo como o Sora gera clipes de vídeo curtos diretamente a partir de uma descrição escrita, prevendo como as imagens devem mudar e se mover de um quadro para o outro de forma a corresponder ao que o texto descreve. Isso permite que alguém digite uma frase simples e receba uma cena em movimento, muitas vezes surpreendentemente realista, sem nunca usar uma câmera, embora o sistema ainda precise essencialmente imaginar inúmeros detalhes visuais, como iluminação e física, que não estão explicitados no texto.

Álbuns de fotos impressos são produtos físicos que exigem impressão e montagem, sem relação com gerar vídeo digital em movimento a partir de texto. Uma conexão de internet doméstica mais rápida é uma melhoria de serviço de internet sem nada a ver com um modelo de IA que produz conteúdo em vídeo.

Os primeiros clipes de texto para vídeo costumam apresentar falhas estranhas, como mãos com um número errado de dedos ou objetos que atravessam uns aos outros, evidenciando como o realismo físico ainda é uma das coisas mais difíceis para esses modelos acertarem.