مولّد الفيديو Sora 2 بالذكاء الاصطناعي

يُقدّم Sora 2 توليداً صوتياً متزامناً ثورياً مع الفيديو، يشمل الحوار الواقعي والمؤثرات الصوتية. ويتميز بدقة فيزيائية محسّنة تضمن تفاعلات طبيعية بين الأجسام، واتساقاً زمنياً محسّناً يزيل تشوهات التحولات، وتقنية Cameo المبتكرة التي تتيح للمستخدمين إدراج أنفسهم في مشاهد مولّدة بالذكاء الاصطناعي. يوفر النموذج دقة تصل إلى 1080p مع مدد فيديو ممتدة تصل من 30 إلى 60 ثانية.

يولّد Sora 2 مقاطع فيديو بدقة تصل إلى 1080p بمدد تتراوح بين 10 ثوانٍ في التطبيق و20 ثانية عبر واجهة الويب. يدعم النموذج نسبتَي 16:9 أفقي و9:16 عمودي، مما يجعله مناسباً لمنصات متنوعة من محتوى YouTube إلى مقاطع وسائل التواصل الاجتماعي القصيرة. يقبل أوامر نصية تصل إلى 4,000 حرف لوصف مشاهد مفصّلة.

يتميز Sora 2 بتوليف صوتي أصلي يُنشئ تلقائياً حواراً واقعياً ومؤثرات صوتية ومشاهد صوتية محيطية متزامنة تماماً مع محتوى الفيديو. يفهم النموذج سياق المشهد ويُنشئ الصوت المناسب لكل عنصر بصري، من محادثات الشخصيات إلى الأصوات البيئية كأصوات الأقدام والضوضاء المحيطة، مما يمثل تقدماً كبيراً عن توليد الفيديو الصامت بالذكاء الاصطناعي.

Cameo ميزة مبتكرة تتيح للمستخدمين إدراج أنفسهم في مشاهد مولّدة بالذكاء الاصطناعي. يرفع المستخدمون تسجيل فيديو وصوتي لمرة واحدة للتحقق من هويتهم والتقاط مظهرهم. بعد التسجيل، يمكنهم مشاركة cameos مع الأصدقاء ليتمكن الآخرون من تضمين صورهم في مقاطع الفيديو المولّدة بـ Sora مع تكامل واقعي ووعي صحيح بالسياق.

يتميز Sora 2 بمحرك فيزياء متقدم يُنمذج بدقة الجاذبية وكمية الحركة وديناميكيات التصادم والطفو. على عكس النماذج السابقة التي قد تتشوه فيها الأجسام أو تنتقل بشكل مفاجئ، يضمن Sora 2 تفاعلات واقعية؛ فكرات السلة ترتد بشكل طبيعي عن الألواح، والماء يستجيب بشكل صحيح للأجسام، وتؤدي الشخصيات حركات معقدة بفيزياء موثوقة في كل إطار.

رغم أن Sora 2 يمثل تقدماً كبيراً، إلا أن له بعض القيود: تقتصر مقاطع الفيديو على دقة 1080p (وليس 4K)، وقد تستغرق أوقات التوليد وقتاً أطول للمشاهد المعقدة، وتتطلب ميزة Cameo إعداداً أولياً والتحقق من الهوية، والنموذج متاح حالياً بشكل رئيسي في الولايات المتحدة وكندا. تستلزم الخدمة اشتراكاً في ChatGPT Pro للوصول غير المقيد إلى نموذج Sora 2 Pro.

Sora 2: 15 رصيد/s (4s: 60 رصيد). Sora 2 Pro — نص إلى فيديو: 720p: 45 رصيد/s; 1024p: 75 رصيد/s; 1080p: 105 رصيد/s. صورة إلى فيديو: 720p: 45 رصيد/s; 1080p: 75 رصيد/s. 4/8/12/16/20s. يُقرّب الإجمالي إلى الأعلى لكل طلب ويُعرض قبل التوليد.