Sora 2: उदाहरण, समीक्षाएँ, और शुरुआती छापें

इसके अलावा, मॉडल कुछ और सुधारों का वादा करता है। आइए हर दावे पर चलते हैं और कुछ उदाहरणों को आलोचनात्मक नज़र से देखते हैं।

और अधिक भौतिक रूप से सटीक

कहा जाता है कि Sora 2 वजन, संतुलन, ऑब्जेक्ट पर्मानेंस, और कारण‑परिणाम जैसे कॉन्सेप्ट्स को बेहतर समझता है। अगर कोई बास्केटबॉल शॉट मिस करता है, तो गेंद रिम से टकराकर उछलनी चाहिए—न कि पुराने मॉडलों की तरह जादुई तरीके से हूप में टेलीपोर्ट हो जानी चाहिए। आइए इस उदाहरण का विश्लेषण करें:

वीडियो के ज़्यादातर हिस्से में भौतिक डायनैमिक्स काफ़ी विश्वसनीय लगते हैं, लेकिन अगर आप आखिरी फ़्रेमों (आखिरी 0.5 सेकंड) पर ध्यान दें, तो दिखेगा कि स्केटर की टाँगें असंभव और लगभग विकृत आकार में खिंच जाती हैं।

जब बिल्ली स्केटर के सिर से गिरती है, तो गिरना बेजान और अप्राकृतिक लगता है। फिर, बिलकुल अंत में, बिल्ली एक असंभव पिरोएट कर देती है।

इस वीडियो की एक और बड़ी समस्या यह है कि हमारे पास ऑडियो कंटिन्युइटी है, जबकि वीडियो कंटिन्युइटी गायब है। एरीना में माइक पर बोलते उद्घोषक को सुनकर हम अंदाज़ा लगा सकते हैं कि क्रिया और समय सतत हैं—क्योंकि ध्वनि में कोई कट नहीं—लेकिन यह 10‑सेकंड का वीडियो वास्तव में तीन अलग‑अलग शॉट्स से बना है जो स्पष्ट रूप से अलग समय पर हुए। मेरे लिए यह स्पष्ट है कि Sora 2 को बुनियादी मोंटाज सिद्धांतों का ज़्यादा अंदाज़ा नहीं है।

विफलता का यथार्थपरक अनुकरण करने में सक्षम

एक और सूक्ष्म (पर बहुत उपयोगी) अपग्रेड यह है कि Sora 2 अब यथार्थपरक गलतियाँ जनरेट कर सकता है। पुराने मॉडल प्रायः सफल क्रियाएँ ही रेंडर करते थे—कोई हमेशा जंप लैंड कर लेता था, हमेशा गोल हो जाता था। Sora 2 विफलता का अनुकरण करने की कोशिश करता है, जो सुनने में जितना आसान लगता है, असल में उससे कठिन है। AI के लिए “गलती करना” को यथार्थ ढंग से दिखाने के लिए अक्सर भौतिकी और मानवीय व्यवहार का गहरा आंतरिक मॉडल चाहिए।

एक उदाहरण देखते हैं:

मुझे यह वीडियो वाकई काफ़ी पसंद आया, यह मुझे लगभग यकीन दिला देता है कि गिरना असली है। जो एक चीज़ भ्रम तोड़ती है, वह है अंत की ओर असंभव संतुलन। इस पर बहस हो सकती है, लेकिन मुझे लगता है कि उस व्यक्ति को बहुत पहले गिर जाना चाहिए था।

यह कहा जाए तो, गलतियाँ जनरेट करने की क्षमता में काफी संभावनाएँ हैं। सबसे स्पष्ट उपयोग‑मामला तब है जब आपको कोई खतरनाक शॉट फिल्माना हो। किसी वास्तविक व्यक्ति का इस्तेमाल करने के बजाय, आप जटिलताओं से बचने और बजट भी घटाने के लिए AI आज़मा सकते हैं।

बेहतर निरंतरता

OpenAI कहता है कि Sora 2 कई शॉट्स में जटिल प्रॉम्प्ट्स का पालन कर सकता है, जबकि वही चरित्र, लाइटिंग, और समग्र वर्ल्ड स्टेट बनाए रखता है। तो अगर आप कहें कि एक लाल जैकेट वाला आदमी एक इमारत में दाखिल हो, गलियारे से गुज़रे, और डेस्क से अख़बार उठाए—तो जैकेट लाल ही रहे, गलियारा एक‑सा रहे, और अचानक दो अख़बार या तीन भुजाएँ न दिखें।

इस फीचर के लिए मुझे यह सबसे प्रासंगिक उदाहरण मिला है:

यह उदाहरण एक ही 10‑सेकंड के वीडियो में प्रभावशाली छह शॉट्स समेटता है। निरंतरता को असल में जो बेचता है, वह है साउंड—बैकग्राउंड शोर, आतिशबाज़ी, और संवाद—सब बेहतरीन ढंग से जनरेट हुए हैं। बोली जाने वाली भाषा मैं नहीं समझता, इसलिए सिमैंटिक्स पर निर्णय नहीं दे सकता, पर ध्वनिक रूप से, यह काम करता है।

हालाँकि, जैसे ही आप विजुअल्स को गौर से देखते हैं, चीज़ें उलझने लगती हैं। किरदारों के बीच की दूरी बहुत बदलती रहती है—कभी वे दूर हैं, तो कुछ सेकंड बाद ही उनके हाथ छू रहे होते हैं। कैमरा भी 180‑डिग्री नियम को यूँ ही किसी भी तरह तोड़ देता है, जिससे स्पेस की भूगोल और किरदारों की स्थिति समझना बहुत कठिन हो जाता है।

यह कहा जाए तो, चेहरों की सुसंगति बेहतरीन है, तो इसके लिए मॉडल को श्रेय दूँगा। लाइटिंग भी सुसंगत है, और ब्लैक‑एंड‑व्हाइट कलर ग्रेडिंग सभी शॉट्स में कायम रहती है। 

शैली में लचीला

OpenAI का दावा है कि मॉडल यथार्थवादी, सिनेमैटिक और ऐनिमेटेड—जिनमें ऐनिमी भी शामिल है—शैलियों के बीच सहजता से शिफ्ट कर सकता है, जबकि गति और पहचान को बनाए रखता है। यह उन क्रिएटर्स के लिए उपयोगी है जो स्टाइलाइज़्ड आउटपुट चाहते हैं लेकिन दृश्य पर नियंत्रण पूरी तरह खोना नहीं चाहते।

मुझे कहना होगा, यह शायद उन सभी में से मेरा पसंदीदा उदाहरण है जो उन्होंने दिखाए हैं। इसमें कुछ चीज़ें काम करती हैं और कुछ नहीं, लेकिन कहानी के लिहाज़ से यह दृश्य, मेरी राय में, बहुत खूबसूरती से रचा गया है—मुख्यतः इसलिए क्योंकि इसकी भावनात्मक गतिकी प्रभावी है।

नायकों के आसपास की दुनिया एक खुशहाल दुनिया है: लोग किसी तरह का नाइट फेस्टिवल एन्जॉय कर रहे हैं, आतिशबाज़ियाँ आसमान रोशन कर रही हैं, और उत्सव का माहौल है। लेकिन इसी के बीच, दोनों मुख्य किरदार मानो एक बेहद कठिन बातचीत कर रहे हैं—ऐसा लगता है कि वे एक अपरिवर्तनीय ब्रेकअप की कगार पर हैं।

मैं भाषा नहीं समझता, इसलिए पक्का नहीं कह सकता कि वे क्या कह रहे हैं, लेकिन भावनात्मक टोन साफ़ झलकता है। संगीत बहुत अच्छी तरह चुना गया है—हल्का उत्साहपूर्ण, सेटिंग के अनुरूप—और अंत में क्लोज़‑अप, जिसमें आतिशबाज़ियों का प्रतिबिंब महिला किरदार की आँखों में दिखता है, सच में बात को घर तक पहुँचा देता है।

अगर शिकायत करनी हो, तो यह कि उनके आसपास के लोग हिलते‑डुलते नहीं। लेकिन यह एक इरादतन चुनाव भी हो सकता है—हम दृश्य का एक व्यक्तिपरक नज़रिया देख रहे हैं, जहाँ उनके लिए दुनिया एक पल को ठहर गई है क्योंकि वे अपनी तनावपूर्ण दुनिया में इतने डूबे हैं कि, व्यक्तिपरक रूप से, बाहरी दुनिया उनके लिए अस्तित्वहीन हो गई है।

मैं Sora के एक सशक्त प्रतिद्वंद्वी, ByteDance के Seedance 2.0 पर हमारी गाइड भी देखने की सलाह दूँगा।

Sora: सोशल ऐप

मॉडल के साथ ही, OpenAI ने Sora नामक नया iOS ऐप भी लॉन्च किया, जो वीडियो जनरेशन अनुभव में एक पूरी सोशल लेयर जोड़ता है। अभी, ऐप Sora 2 तक पहुँचने का मुख्य तरीका है—और फिलहाल, यह केवल निमंत्रण‑आधारित है और U.S. तथा कनाडा के उपयोगकर्ताओं तक सीमित है।

मेरा अंदाज़ा है कि OpenAI देखना चाहता है कि क्या होता है जब लोग एक‑दूसरे के कंटेंट को रीमिक्स करने लगते हैं, खुद को दृश्यों में डालते हैं, और AI वीडियो को एक तरह की सोशल भाषा की तरह ट्रीट करते हैं। यह अगला TikTok बनता है या नहीं, यह अलग सवाल है (मुझे लगता है संभावना शून्य है), लेकिन यांत्रिकी रोचक है।

Sora सोशल ऐप कैसे काम करता है

मूल रूप से, Sora ऐप एक फीड‑आधारित प्लेटफॉर्म है जो रीमिक्सेबल AI वीडियो के लिए बना है। आप अन्य उपयोगकर्ताओं द्वारा जनरेट किए गए शॉर्ट क्लिप्स स्क्रॉल करते हैं, जिनमें से कई में वास्तविक लोगों की सूरतों का उपयोग cameos नामक सिस्टम के जरिए होता है (इस पर नीचे)। यदि आप अपना बनाना चाहते हैं, तो या तो आप शुरुआत से नया प्रॉम्प्ट लिख सकते हैं या किसी मौजूदा वीडियो को किसी के केमियो का उपयोग करके—उनकी अनुमति से—रीमिक्स कर सकते हैं।

आप किसी भी अन्य सोशल प्लेटफॉर्म की तरह “लाइक” कर सकते हैं, रीमिक्स कर सकते हैं, रीपोस्ट कर सकते हैं, या उपयोगकर्ताओं को फॉलो कर सकते हैं। फीड व्यक्तिगत है, लेकिन OpenAI कहता है कि वे वॉच टाइम के लिए ऑप्टिमाइज़ नहीं कर रहे। इसके बजाय, उनका दावा है कि इसे क्रिएशन और इंस्पिरेशन को अधिकतम करने के लिए ट्यून किया गया है, और उन्होंने वेल‑बीइंग कंट्रोल्स जोड़े हैं, जिनमें किशोरों के लिए रोज़ाना जनरेशन लिमिट और ChatGPT के जरिए पैरेंटल ओवरराइड शामिल हैं।

ऐप में नैचुरल लैंग्वेज‑कंट्रोल्ड अनुशंसा प्रणाली भी शामिल है, यानी आप साधारण अंग्रेज़ी में यह दिशा दे सकते हैं कि आपको किस तरह का कंटेंट देखना है (जैसे “मुझे जानवरों के साथ मज़ेदार वीडियो दिखाओ” या “कम सर्रियल चीज़ें”)।

Cameo फीचर्स

शायद यह ऐप की सबसे नवीन विशेषता है। केमियो आपको अपने बारे में एक छोटा, एक‑बार का वीडियो और ऑडियो क्लिप रिकॉर्ड करने देते हैं, जिसे मॉडल फिर पूरे शरीर की सूरत—आवाज़, रूप, हाव‑भाव, सब कुछ—जनरेट करने के लिए उपयोग करता है। एक बार आपका केमियो वेरिफ़ाई और अपलोड हो जाए, तो आप खुद को किसी भी सीन में डाल सकते हैं या दोस्तों को आपको अपने सीन में रीमिक्स करने की अनुमति दे सकते हैं।

OpenAI का प्रस्तुतिकरण यह है कि आप हर समय अपनी सूरत पर नियंत्रण में रहते हैं:

• आप तय करते हैं कि आपका केमियो कौन उपयोग कर सकता है।
• आप एक्सेस वापस ले सकते हैं या कोई भी वीडियो हटा सकते हैं जिसमें आप शामिल हैं।
• आप उन सभी वीडियोज़ (ड्राफ्ट सहित) को देख सकते हैं जहाँ आपकी सूरत दिखाई देती है।

यह एक चतुर सिस्टम है, लेकिन यह बहुत से सवाल भी उठाता है—सहमति, कॉपीराइट, मॉडरेशन, और स्केलिंग को लेकर। OpenAI कहता है कि वे किनारी मामलों जैसे बुलीइंग को पकड़ने के लिए मानव समीक्षा टीम बना रहे हैं, और कम उम्र के उपयोगकर्ताओं के लिए कड़े परमिशन लागू किए गए हैं।

AI‑जनित मीडिया पर अचानक इतनी दौड़ क्यों?

बिल्कुल एक हालिया Stanford रिपोर्ट की तरह, AI ने अभी तक बहुत सारे उद्योगों में वाकई बाधा नहीं डाली—एक स्पष्ट अपवाद के साथ: मीडिया।

स्रोत: State of AI in Business 2025 रिपोर्ट

मुझे नहीं लगता कि यह सिर्फ सांख्यिकीय उतार‑चढ़ाव है। मैंने सीधे विज्ञापन निर्माताओं से बात की है, और वे इस बदलाव को गंभीरता से ले रहे हैं। कई लोग प्रोडक्शन लागत घटाने, टाइमलाइन तेज करने, और सेट पर शूटिंग से जुड़ी लॉजिस्टिक समस्याओं से बचने के लिए सक्रिय रूप से AI के साथ प्रयोग कर रहे हैं।

आप यह ट्रेंड सार्वजनिक रूप से भी देख सकते हैं। किसी भी दिन LinkedIn स्क्रॉल करें, और आपको क्रिएटर्स AI‑जनित शॉर्ट फ़िल्में, ऐड्स, और कॉन्सेप्ट ट्रेलर्स पोस्ट करते मिलेंगे। एक अच्छा उदाहरण यह Kalshi ऐड है—एक वास्तविक कंपनी का असली विज्ञापन—जो पूरी तरह AI का उपयोग कर तैयार किया गया है:

यही वजह है कि मुझे लगता है OpenAI, Google, और Meta जैसी कंपनियाँ अचानक AI‑जनित मीडिया पर पूरी रफ्तार से जा रही हैं। अगर कोई एक डोमेन है जहाँ जनरेटिव AI पहले से उपयोगी साबित हो रहा है—और जहाँ लोग सक्रिय रूप से समय और पैसा लगा रहे हैं—तो वह यही है। इसलिए यह समझ में आता है कि लैब्स वीडियो के इर्द‑गिर्द प्लेटफॉर्म, इकोसिस्टम, और सोशल लेयर्स बनाने की दौड़ में हैं।

पिछले हफ्ते ही, Meta ने Vibes—AI‑जनित वीडियोज़ का नया शॉर्ट‑फॉर्म फीड—लॉन्च किया, जो लगता है कि OpenAI के Sora ऐप जैसे ही स्पेस को टार्गेट कर रहा है। पैटर्न काफ़ी स्पष्ट है: मीडिया और मनोरंजन पर अभी कैपिटलाइज़ करो, जबकि तकनीक अभी इतनी अच्छी नहीं हुई है कि वह स्वास्थ्य सेवा या वित्त जैसे और अधिक विनियमित उद्योगों को भरोसेमंद ढंग से बाधित कर सके।

संक्षेप में, वीडियो सबसे “लो‑हैंगिंग फ्रूट” है—और हर कोई इसे पहले पकड़ लेना चाहता है।

निष्कर्ष

आलोचनात्मक बने रहना ज़रूरी है, लेकिन यह स्वीकार करना भी उचित है कि ये AI मॉडल कितनी दूर आ गए हैं। याद रखिए कि 2023 की शुरुआत में, हम जो सबसे अच्छा पा सकते थे, वह था Will Smith के स्पेगेटी खाने वाला वीडियो। अब हम नेटिव ऑडियो, भावनात्मक निरंतरता, और पूरी तरह से सोशल रीमिक्स ऐप्स की बात कर रहे हैं जहाँ आप खुद को समुद्री डाकू जहाज़ पर तलवारबाज़ी या अपने कुत्ते द्वारा होस्ट किए गए सुर्रियल कुकिंग शो में डाल सकते हैं।

यह कहा जाए तो, Sora 2 अभी भी स्थानिक समरसता, बुनियादी एडिटिंग लॉजिक, और सूक्ष्म भौतिक यथार्थवाद से जूझता है। और OpenAI का केवल निमंत्रण‑आधारित iOS ऐप के पीछे एक्सेस को सीमित करने का निर्णय उन प्रो उपयोगकर्ताओं के बीच इसकी साख में मदद नहीं करता जो गंभीर टूल्स चाहते हैं। यहाँ संभावनाएँ हैं, पर घर्षण भी है।

फिर भी, यह साफ़ है कि AI‑जनित मीडिया देखने लायक स्पेस है।