메인 콘텐츠로 건너뛰기
OpenAI

텍스트만으로 제작하는 동영상

이 페이지의 모든 동영상은 Sora가 직접 제작했으며, 수정하지 않았습니다.

로딩 중...

우리는 사람들이 실제 상호작용이 필요한 문제를 해결하는 데 도움을 주는 모델을 훈련하는 것을 목표로, AI에게 움직이는 물리 세계를 이해하고 시뮬레이션하는 방법을 가르치고 있습니다.

텍스트-동영상 변환 모델인 Sora를 소개합니다. Sora는 시각적 품질과 사용자의 프롬프트를 준수하면서 최대 1분 길이의 동영상을 생성할 수 있습니다.

오늘부터 레드팀 요원들은 Sora를 사용할 수 있으며, 피해나 위험 요소가 있는 주요 영역을 평가하게 됩니다. 또한 모델을 크리에이티브 전문가에게 가장 유용하게 개발할 수 있는 방법에 대한 피드백을 얻기 위해 여러 비주얼 아티스트, 디자이너, 영화 제작자에게도 액세스 권한을 제공하고 있습니다.

우리는 OpenAI 외부의 사람들과 함께 작업하고 피드백을 받고, 대중에게 곧 출시될 AI 기능이 어떨 것인지 보여주기 위해 연구 진행 상황을 조기에 공유하고 있습니다.

Sora는 여러 캐릭터, 특정 유형의 동작, 피사체와 배경의 정확한 디테일이 포함된 복잡한 장면을 생성할 수 있습니다. 이 모델은 사용자가 프롬프트에서 요청한 내용뿐만 아니라 해당 내용이 실제 세계에서 어떻게 존재하는지도 이해합니다.

이 모델은 언어를 깊이 이해하여 프롬프트를 정확하게 해석하고 생생한 감정을 표현하는 매력적인 캐릭터를 생성할 수 있습니다. 또한 Sora는 하나의 생성된 영상 내에서 캐릭터와 시각적 스타일을 정확하게 유지하는 여러 개의 장면을 만들 수 있습니다.

현재 모델에는 여전히 개선해야 할 부분이 남아있습니다. 복잡한 장면에서 물리적 현상을 시뮬레이션하는 데 어려움을 겪을 수 있으며, 특정한 인과 관계를 이해하지 못할 수도 있습니다(예: 캐릭터가 쿠키를 깨물어도 쿠키 자국이 표시되지 않을 수 있음). 또한 모델은 왼쪽과 오른쪽을 구분하는 등 프롬프트에 포함된 공간적 세부 사항을 혼동하거나 특정 카메라 궤적과 같이 시간에 따라 전개되는 사건을 정확하게 묘사하는 데 어려움을 겪을 수 있습니다.

Safety

우리는 OpenAI 제품에서 Sora를 사용할 수 있도록 하기 전에 몇 가지 중요한 안전 조치를 취할 예정입니다. 잘못된 정보, 혐오 콘텐츠, 편향과 같은 분야의 도메인 전문가인 레드팀 요원들과 협력하고 있으며, 모델에 대해 적대적 테스트를 수행할 예정입니다.

또한, Sora에서 생성된 동영상이 언제 생성되었는지 구별할 수 있는 탐지 분류기 등 오해의 소지가 있는 콘텐츠를 탐지하는 데 도움을 주는 도구를 구축하고 있습니다. 이 모델을 OpenAI 제품에 배포하는 경우 향후 C2PA 메타데이터(새 창에서 열기)를 포함할 계획입니다.

배포를 준비하기 위해 새로운 기술을 개발하는 것 외에도, DALL·E 3를 사용하는 제품을 위해 구축한 기존의 안전 방법(새 창에서 열기)을 활용하고 있으며, 이는 Sora에도 적용할 수 있습니다.

예를 들어, OpenAI 제품에서 텍스트 분류기는 극단적인 폭력, 성적인 콘텐츠, 혐오 이미지, 유명인 초상, 타인의 IP를 요청하는 등 사용 정책을 위반하는 텍스트 입력 프롬프트를 확인하고 거부할 수 있습니다. 또한, 생성된 모든 동영상의 프레임을 검토하여 사용자에게 표시되기 전에 사용 정책을 준수하는지 확인하는 데 사용되는 강력한 이미지 분류기를 개발했습니다.

우리는 전 세계의 정책 입안자, 교육자, 예술가들과 협력하여 그들의 우려를 이해하고 이 새로운 기술의 긍정적인 사용 사례를 파악하기 위해 노력할 것입니다. 광범위한 연구와 테스트에도 불구하고, 사람들이 기술을 유익하게 사용하는 모든 방법과 모든 악용 방법을 예측할 수는 없습니다. 그렇기 때문에 시간이 지남에 따라 점점 더 안전한 AI 시스템을 만들고 출시하는 데 있어 실제 사용을 통한 학습이 매우 중요한 요소라고 생각합니다.

연구 기술

Sora는 확산 모델로, 정적 노이즈처럼 보이는 영상으로 시작하여 여러 단계에 걸쳐 노이즈를 제거하면서 점진적으로 변형하는 방식으로 영상을 생성합니다.

Sora는 전체 동영상을 한 번에 생성하거나 생성된 동영상을 확장하여 더 길게 만들 수 있습니다. 모델이 한 번에 여러 프레임을 예측할 수 있도록 하여 피사체가 잠시 시야 밖으로 사라지더라도 동일하게 유지되도록 하는 까다로운 문제를 해결했습니다.

GPT 모델과 유사하게 Sora는 트랜스포머 아키텍처를 사용하여 우수한 확장 성능을 제공합니다.

영상과 이미지를 패치라고 하는 작은 데이터 조각들의 모음으로 표현하는데, 각각의 패치는 GPT에서 사용하는 토큰과 비슷합니다. 데이터를 표현하는 방식을 통합함으로써 다양한 길이, 해상도, 화면비율을 아우르는 이전보다 더 광범위한 시각 데이터로 확산 트랜스포머를 훈련할 수 있습니다.

Sora는 DALL·E과 GPT 모델에 대한 과거 연구를 기반으로 구축되었습니다. Sora는 시각적 훈련 데이터에 대해 매우 상세한 설명의 캡션을 생성하는 DALL·E 3의 캡션 재생성 기법을 사용합니다. 결과적으로 모델은 생성된 영상에서 사용자의 텍스트 지시를 더 충실하게 따를 수 있습니다.

모델은 텍스트 지침만으로 영상을 생성할 수 있을 뿐만 아니라 기존의 정지 이미지를 가져와 영상을 생성할 수 있으며, 이미지의 내용을 정확하고 작은 디테일까지 신경 써서 애니메이션으로 만들 수 있습니다. 모델은 기존의 영상을 가져와서 확장하거나 누락된 프레임을 채울 수도 있습니다. 기술 보고서에서 더 자세히 알아보세요.

Sora는 실제 세계를 이해하고 시뮬레이션할 수 있는 모델의 기반이 되며, 우리는 이러한 능력이 AGI를 달성하는 데 중요한 이정표가 될 것이라고 믿습니다.

로딩 중...