Disney та OpenAI створять відео зі штучним інтелектом

Компанія Disney уклала угоду з OpenAI, яка може змінити майбутнє розважального контенту. Починаючи з початку 2026 року, відеогенератор Sora від OpenAI зможе створювати відео з понад 200 персонажами Disney, Marvel, Pixar та франшизи «Зоряні війни». Платформа Disney+ транслюватиме добірку створених користувачами кліпів.

Disney інвестує мільярд доларів у OpenAI і використовуватиме його інструменти для створення нових можливостей для передплатників Disney+. Генеральний директор Disney Роберт Айгер заявив, що компанія «обдумано та відповідально розширить охоплення нашого оповідання через генеративний штучний інтелект». Він також повідомив під час конференції про наміри дозволити передплатникам створювати контент безпосередньо в Disney+. Якщо хтось захоче побачити, як Ельза та Попелюшка перемагають Малефісенту, можна буде запросити таку сцену, хоча вона триватиме лише близько 20 секунд.

Порівняння з історією кіно показує масштаб змін. Перший збережений кінофільм «Сцена в саду Раундхей» датується 1888 роком і триває близько двох секунд. Перші повністю згенеровані штучним інтелектом відео, створені дослідниками з Массачусетського технологічного інституту та Університету Меріленду у 2016 році, також тривали близько секунди. Тоді як критики 19 століття називали ранній кінематограф «дурною цікавістю», сучасні скептики часто висміюють відео зі штучним інтелектом як марнотратство.

Складність генерації зображень полягає в роботі сучасних систем. Вони побудовані на дифузії — техніці, яка починається з «шуму», що поступово перетворюється на зображення. Штучний інтелект фактично видаляє туман і додає нові пікселі в повторних проходах, доки не з'явиться цілісна фігура. Кожен прохід для вдосконалення згенерованого зображення збільшує вартість.

Відео є ще складнішим завданням. Серія зображень має бути скоординована так, щоб риси обличчя не змінювалися, а предмети не зникали. За одну секунду відео високої чіткості змінюються мільйони пікселів. Білл Піблз, дослідник OpenAI, який допомагав розробляти Sora, зазначив: «Ми виявили, наскільки болісно працювати з відеоданими. У цих відео дуже багато пікселів».

Для керування пікселями система OpenAI стискає відео до спрощеної версії, яка зберігає важливу інформацію. Потім вона обробляє його як буханець хліба — нарізає на кадри, які потім ділить на куби. Це дозволяє моделі координувати всі куби один з одним.

Дослідники шукають ефективніші підходи. Тяньвей Їнь, науковий співробітник стартапу Reve, який співрозробив програмне забезпечення CausVid для генерації відео, пояснює: «Замість того, щоб генерувати все відео одразу, ви генеруєте кадр за кадром. На кожному кроці ваші обчислення обмежені набагато меншою частиною замість повного обсягу, і це дозволяє вам створювати набагато довші відео».

Їнь вважає, що системи ефективніше досягнуть п'яти хвилин генерації до наступного року, а через інтеграцію різних існуючих технологій штучного інтелекту можуть досягти години незабаром після цього. Генеральний директор Google Сундар Пічаї в інтерв'ю BBC описав можливість того, що старшокласники створюватимуть повнометражні фільми зі штучним інтелектом у найближчі роки.