Sora 2 mejora la simulación física e integra generación de audio sincronizado

OpenAI ha anunciado el lanzamiento de Sora 2, la segunda versión de su modelo de generación de vídeo y audio. El sistema representa una evolución respecto al modelo original presentado en febrero de 2024, con mejoras en la precisión física de las simulaciones y nuevas capacidades de control.

La compañía destaca que Sora 2 puede generar secuencias complejas como rutinas de gimnasia olímpica o movimientos acrobáticos sobre tablas de paddle surf, manteniendo coherencia en aspectos como la flotabilidad y la rigidez de los objetos. A diferencia de versiones anteriores que modificaban la realidad para cumplir las instrucciones textuales, el nuevo modelo respeta con mayor fidelidad las leyes físicas. En el ejemplo proporcionado por OpenAI, si un jugador de baloncesto falla un tiro, el balón rebota en el tablero en lugar de teletransportarse a la canasta.

El modelo integra generación de audio, incluyendo paisajes sonoros, diálogos y efectos de sonido. Permite también seguir instrucciones detalladas que abarcan múltiples planos mientras mantiene la coherencia del entorno virtual. Entre sus capacidades figura la inserción de elementos reales en escenas generadas, una función que OpenAI denomina "cameos" y que permite incorporar personas, animales u objetos de vídeos reales en entornos creados por el sistema.

OpenAI ha desarrollado una aplicación iOS denominada Sora donde los usuarios pueden crear contenido, combinar generaciones de otros usuarios y utilizar la función de cameos. Esta última requiere una grabación inicial de vídeo y audio para verificar la identidad y capturar la apariencia del usuario, tras lo cual puede insertarse en cualquier escena generada. La aplicación incluye un sistema de recomendación basado en modelos de lenguaje que puede configurarse mediante instrucciones en lenguaje natural.

En cuanto a las medidas de seguridad, la compañía ha establecido límites en las generaciones diarias visibles para adolescentes y controles parentales a través de ChatGPT. Los usuarios mantienen control total sobre su imagen digital, pudiendo revocar permisos o eliminar vídeos que les incluyan. OpenAI señala que el modelo de monetización previsto consiste en ofrecer generaciones adicionales de pago cuando la demanda supere la capacidad de cómputo disponible.

Sora 2 está disponible inicialmente en Estados Unidos y Canadá de forma gratuita con límites de uso, mientras que los suscriptores de ChatGPT Pro podrán acceder a una versión experimental denominada Sora 2 Pro. La compañía planea expandir el servicio a otros países y lanzar una API para desarrolladores. El modelo anterior, Sora 1 Turbo, permanecerá operativo.

Puntos clave

• Sora 2 mejora la precisión en la simulación de física respecto a modelos anteriores de generación de vídeo.
• El sistema genera vídeo y audio de forma sincronizada, incluyendo diálogos y efectos de sonido.
• La función "cameos" permite insertar personas u objetos reales en escenas generadas tras una grabación inicial.
• OpenAI ha lanzado una aplicación iOS social centrada en la creación y compartición de contenido.
• El sistema de recomendación puede configurarse mediante instrucciones en lenguaje natural.
• Los usuarios mantienen control sobre su imagen digital y pueden revocar permisos en cualquier momento.
• Incluye límites de uso diario para adolescentes y controles parentales vía ChatGPT.
• Disponible inicialmente en Estados Unidos y Canadá de forma gratuita con límites de uso.