С лендинга Sora есть ссылочка, по которой, похоже, мало кто из блогеров сходил — а зря. Там обсуждаются не просто красивые видосики, которые не устали обсуждать за три дня, а более сложные возможности и неожиданные эффекты новой модели.
Во-первых, модель не просто про генерацию видео по заданному тексту, а и про не менее впечатляющие эффекты типа переходов — весьма изобретательных, а не просто морфингом — между двумя подаными на вход видео. Впечатляют и статические фоточки (генерация видео длиной в один кадр :)), созданные новой моделью. Это не просто генератор, это еще и заготовка для очень мощного графического и видеоредактора.
Но любопытней всего примеры эмерджентности, проявления свойств, которые никак явно не закладывались в модель на этапе обучения, но явно проявляются (хотя и не слишком стабильно, что отдельно любопытно) в ходе ее работы. К ним, частности, относится сохранение когерентности происходящего на протяжении значительного времени и сохранение “памяти” об объектах, которые временно перекрываются другими в кадре.
These capabilities suggest that continued scaling of video models is a promising path towards the development of highly-capable simulators of the physical and digital world, and the objects, animals and people that live within them.
Собственно, отсюда и надежды разработчиков, что Sora отчасти является симуляцией реальности, хотя этому ее никто не учил:) И что более длительное обучение более мощных моделей подарит еще больше приятных неожиданностей.
