Le texte vers vidéo a reçu une percée grâce au modèle IA Sora d’OpenAI qui peut créer des vidéos d’une durée maximale de 60 secondes en fonction des descriptions textuelles des utilisateurs. Des exemples de vidéos générées par Sora peuvent être trouvés dans la liste de lecture vidéo ci-dessous.
Selon OpenAI, Sora peut générer des scènes complexes avec plusieurs personnages différents, des types de mouvements spécifiques, ainsi que des détails précis sur le sujet et l’arrière-plan. Le modèle texte-image devrait également être capable de créer plusieurs scènes différentes au sein d’un même clip, avec des personnages conservés et le même style visuel.
En même temps, Sora a des défauts. Par exemple, le modèle peut avoir des difficultés à simuler correctement les lois de la physique pour des scènes complexes, et Sora ne comprend pas toujours les causes et les effets : si une personne mord dans un cookie, le cookie peut encore être intact par la suite. OpenAI écrit que Sora peut également mélanger la droite et la gauche.
Sora est actuellement testé par une équipe pour évaluer les risques et les pièges potentiels de cette technologie. Un groupe d’artistes visuels, de designers et de cinéastes a également bénéficié d’un accès anticipé à Sora, afin de recueillir leurs commentaires.
