OpenAI baru saja memperkenalkan Sora, sebuah aplikasi text-to-video. Kehadiran Sora melengkapi koleksi aplikasi Generative AI dari OpenAI, setelah ChatGPT (text-to-text) dan Dall-E (text-to-image).
Kehadiran Sora sekaligus memantik kembali kontroversi seputar etika Generative AI. Di satu sisi, Sora memudahkan pengguna membuat video singkat cuma dengan menggunakan teks. Dan berdasarkan contoh video yang dirilis, kualitas video yang dihasilkan Sora pun terbilang menakjubkan.
Namun di sisi lain, Sora juga berpotensi mendisrupsi tatanan profesi dan pekerjaan manusia. Pekerjaan seperti videografer tentu saja terancam akan kehadiran Sora. Kebutuhan akan video footage boleh dibilang tergantikan oleh Sora.
Apa itu Sora?
Sora pada dasarnya adalah pengembangan lanjutan dari teknologi Generative AI yang dimiliki OpenAI. Sebelum ini, OpenAI telah memiliki Dall-E yang dapat mengubah perintah teks menjadi foto atau gambar. Pada Sora, foto dan gambar tersebut dianimasikan menjadi gambar bergerak.
Tentu saja, ada banyak faktor yang harus diperhitungkan untuk membuat animasi tersebut. Mulai dari gerak objek yang harus natural, interaksi dengan lingkungan sekitar, sampai sinematografi yang menarik. Semua faktor tersebut membuat implementasi text-to-video selama ini menjadi tantangan tersendiri.
Namun kehadiran Sora dengan hasil video yang sangat realistis menunjukkan pesatnya kemajuan teknologi text-to-video saat ini.
Seperti apa video yang dihasilkan Sora?
OpenAI telah merilis beberapa contoh video yang dihasilkan oleh Sora. Ada banyak contoh video yang dirilis OpenAI di situs resminya, namun inilah beberapa video yang bisa dibilang paling realistis.
Dari dua contoh di atas, bisa terlihat betapa realistisnya video yang dihasilkan Sora.
Untungnya (jika memang boleh dibilang begitu), Sora masih memiliki beberapa kelemahan. Contohnya, Sora tidak bisa membuat video yang konsisten sebab dan akibatnya. Contohnya, jika frame sebelumnya memperlihatkan seseorang menggigit kue, pada frame berikutnya kue tersebut masih terlihat utuh.
Sora juga kesulitan dalam menampilkan video yang konsisten jika melibatkan beberapa karakter. Interaksi antar karakter terlihat tidak natural, bahkan bisa hilang dan muncul sendiri seperti video di bawah ini.