OpenAI Sora 2 konačno pravi sinhronizovan zvuk — i to u 4K na 60fps

OpenAI je u utorak pozvao dvadesetak novinara i partnera u svoju kalifornijsku kancelariju, uz jasno uputstvo da niko ne sme da snima niti da objavljuje tehničke detalje. I pored tih ograničenja, ono što su prisutni videli brzo je postalo glavna tema razgovora: Sora 2, generativni video model koji konačno stiže sa zvukom i u 4K rezoluciji.

Prva Sora, predstavljena u februaru 2024. godine, bila je prekretnica jer je prvi put donela minute koherentnog videa. Ipak, patila je od ograničenja koja su odavala AI poreklo — 1080p rezolucija, 24 kadra u sekundi, snimak bez zvuka i fizičke greške poput ruku sa šest prstiju ili geometrije koja se lomi usred kadra.

Nova verzija, kako je OpenAI objasnio na zatvorenom demo-u, rešava gotovo sve te probleme. Video se sada generiše u 4K rezoluciji (3840×2160) sa 60 kadrova u sekundi, što je duplo više od bilo kog konkurenta, a uz to stiže i sinhronizovan zvuk — dijalog, ambijentalna atmosfera i muzika. Fizika je, prema internom benchmarku, duplo bolja, uz 73% manje grešaka u rukama i objektima, a jedna generacija može da traje do dva minuta.

Tri demo klipa i jedno anonimno glasanje otkrili su koliko je Sora 2 ubedljiva

Na demo-u su prikazane tri generacije koje su učesnici opisali kao nerazlučive od stvarnog snimka: minut dug snimak Tokija noću, u 4K sa 60 kadrova i zvukom saobraćaja i razgovora prolaznika, zatim trominutni dokumentarac o pingvinima sa naracijom i, na kraju, interaktivni dijalog dve osobe sa sinhronizovanim govorom, pokretima usana i realističnom mimikom.

Učesnici su potom anonimno glasali da li je svaki klip pravi snimak ili AI generacija, pa su pogodili u samo 41% slučajeva. Kod prve Sore tačnost je bila 67%, što pokazuje koliko je publika sada slabija u razlikovanju.

Najskuplji paket košta 200 dolara, a prve generacije stižu u oktobru

OpenAI je objavio i planove oko cene i dostupnosti, pa korisnici ChatGPT Plus pretplate od 20 dolara mesečno dobijaju 50 generacija, ali ograničenih na 1080p rezoluciju i 30 kadrova u sekundi. Oni na Pro planu, koji košta 200 dolara mesečno, imaju pravo na 500 generacija i pun 4K sa 60 kadrova. Za poslovne klijente postoji API po individualnoj ceni od oko 0,12 dolara po sekundu generisanog videa.

Plus i Pro korisnici Sora 2 dobijaju u oktobru 2026. godine, dok će API za programere biti otvoren u prvom kvartalu 2027.

Video produkcija dobija brže prototipove, ali i stroža očekivanja klijenata

Ako ste video producent ili marketingaš, vredi realno razmotriti oba scenarija. S pozitivne strane, brza izrada prototipa storyboardova, generisanje B-roll materijala po narudžbini i lokalizacija reklama na druge jezike bez snimanja postaju posao od jednog dana umesto od više nedelja.

S druge strane, klijenti će uskoro očekivati AI brzinu po ljudskoj ceni, a razlika će se svesti na estetiku i specifičan vizuelni identitet umesto na tehnički kvalitet. Na takvom tržištu preživeće oni sa jakim umetničkim rukopisom, a ne oni sa boljom kamerom.

Deepfake rizik ostaje, jer se C2PA vodeni žig uklanja ponovnim kodovanjem

Deepfake i dezinformacije su očigledan rizik, pa je OpenAI na svaki generisani fajl ugradio C2PA vodeni žig u metapodacima. Problem je, međutim, što se taj žig lako uklanja običnim ponovnim kodovanjem videa.

Države već pripremaju regulativu, pa su u igri EU AI Act, kineski zakon o deepfake sadržaju i američki NO FAKES Act. Za produkciju u Srbiji zakon još nije jasan, ali obeležavanje AI-generisanog sadržaja verovatno će postati obavezno u EU do 2027. godine.

Sve to, međutim, ne menja osnovnu poruku sa zatvorenog demo-a. Sora 2 je alat koji ćete morati da naučite, jer će uskoro biti svuda.