গাইড লিঙ্ক ক্যুইজ · মাঝারি স্তর
Sora এবং টেক্সট-টু-ভিডিও কুইজ
টেক্সট-টু-ভিডিও জেনারেশন, স্পেসটাইম প্যাচ, ডিফিউশন ট্রেনিং, টেম্পোরাল কনসিস্টেন্সি এবং তারিখের Sora বিশদ প্রকাশের পর্যালোচনা করুন।
প্রশ্ন 1 এর 8
কোন মূল ক্ষমতা Sora এর মত টেক্সট-টু-ভিডিও মডেলকে সংজ্ঞায়িত করে?
প্রতিটি প্রশ্নের পূর্বরূপ দেখুন8 প্রশ্ন
আপনি কুইজ নেওয়ার সাথে সাথে উত্তর এবং ব্যাখ্যাগুলি উপস্থিত হয়।
- কোন মূল ক্ষমতা Sora এর মত টেক্সট-টু-ভিডিও মডেলকে সংজ্ঞায়িত করে?
- এটি একটি লিখিত পাঠ্য প্রম্পট থেকে একটি ভিডিও ক্লিপ তৈরি করে
- এটি অডিও ট্র্যাক সম্পাদনা করে
- এটি বিদ্যমান চলচ্চিত্রগুলিকে সংকুচিত করে
- এটি ভাষার মধ্যে সাবটাইটেল অনুবাদ করে
- সেন্ট্রাল টেকনিক্যাল চ্যালেঞ্জ কি যা ভিডিও জেনারেশনকে ইমেজ জেনারেশনের চেয়ে কঠিন করে তোলে?
- ভিডিওতে আরো রং ব্যবহার করা হয়
- সময়ের সাথে সাথে অনেক ফ্রেম জুড়ে ধারাবাহিকতা এবং সুসংগত গতি বজায় রাখা
- ভিডিও ডিজিটালভাবে সংরক্ষণ করা যাবে না
- ভিডিওর জন্য পাঠ্য প্রম্পট অবৈধ
- কিভাবে Sora ভিডিওটি তার ট্রান্সফরমারকে অভ্যন্তরীণভাবে উপস্থাপন করে?
- ক্লিপ প্রতি একটি বিশাল পিক্সেল গ্রিড হিসাবে
- অডিও তরঙ্গরূপ হিসাবে
- ছোট স্পেস-টাইম প্যাচ হিসাবে যা টোকেনের মতো কাজ করে
- হাতে লেখা ফ্রেম হিসেবে
- কোন উৎপন্ন কৌশলটি Sora এর ফ্রেম সংশ্লেষণকে অন্তর্নিহিত করে?
- নিয়ম-ভিত্তিক অ্যানিমেশন স্ক্রিপ্ট
- সহজ ফ্রেম অনুলিপি
- ম্যানুয়াল রোটোস্কোপিং
- প্রসারণ, ধীরে ধীরে এলোমেলো শব্দকে একটি সুসংগত ক্লিপে পরিণত করে
- Which limitation did OpenAI’s 2024 Sora report document?
- পদার্থবিদ্যা এবং বস্তুর সামঞ্জস্য ভেঙ্গে যেতে পারে, যেমন মর্ফিং বস্তু বা অতিরিক্ত আঙ্গুল
- তারা রং ব্যবহার করতে অস্বীকার করে
- তারা কেবল সাদা-কালো ক্লিপ তৈরি করতে পারে
- তারা সবসময় উদ্দেশ্যমূলকভাবে নির্বাক চলচ্চিত্র নির্মাণ করে
- 2024 প্রকাশের সময় Sora ক্লিপগুলি কতক্ষণের জন্য তৈরি হয়েছে?
- বেশ কয়েক ঘন্টা
- প্রায় এক মিনিট পর্যন্ত
- ঠিক 24 ঘন্টা
- শুধু একটি ফ্রেম
- What joint training data does OpenAI’s 2024 Sora report describe?
- Only paired audio and transcripts
- Only text documents
- Video and image data
- Only 3D motion-capture skeletons
- What input can the 2024 Sora report condition on in addition to text?
- Only a written script with fixed timestamps
- A spreadsheet of camera exposure settings only
- A sound waveform with no visual prompt
- An image that the model can animate into a video