Cuestionario vinculado a una guía · Medio Nivel
Sora y cuestionario de texto a vídeo
Revise la generación de texto a video, los parches de espacio-tiempo, el entrenamiento de difusión, la consistencia temporal y los detalles de revelación fechados de Sora.
Pregunta 1 de 8
¿Qué capacidad central define un modelo de texto a video como Sora?
Vista previa de cada pregunta8 preguntas
Las respuestas y explicaciones aparecen a medida que realiza el cuestionario.
- ¿Qué capacidad central define un modelo de texto a video como Sora?
- Genera un videoclip a partir de un mensaje de texto escrito.
- Edita pistas de audio.
- Comprime películas existentes.
- Traduce subtítulos entre idiomas.
- ¿Cuál es el desafío técnico central que hace que la generación de videos sea más difícil que la generación de imágenes?
- Los vídeos usan más colores.
- Mantener la coherencia y el movimiento coherente en muchos fotogramas a lo largo del tiempo.
- Los vídeos no se pueden almacenar digitalmente.
- Las indicaciones de texto son ilegales para videos
- ¿Cómo representa Sora el vídeo internamente para alimentar su transformador?
- Como una cuadrícula de píxeles gigante por clip
- Como formas de onda de audio
- Como pequeños parches espacio-temporales que actúan como fichas.
- Como marcos escritos a mano
- ¿Qué técnica generativa subyace a la síntesis de cuadros de Sora?
- Guiones de animación basados en reglas
- Copia de marco simple
- rotoscopia manual
- Difusión, eliminando gradualmente el ruido aleatorio en un clip coherente
- Which limitation did OpenAI’s 2024 Sora report document?
- La física y la consistencia de los objetos pueden romperse, como objetos transformados o dedos adicionales.
- Se niegan a usar color.
- Sólo pueden hacer clips en blanco y negro.
- Siempre producen películas mudas a propósito.
- ¿Aproximadamente cuánto duran los clips que se demostró que Sora generaba en su revelación de 2024?
- Varias horas
- Hasta aproximadamente un minuto
- exactamente 24 horas
- Solo un cuadro
- 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