Citation Hunt

Následující úryvek článku Wikipedie není podložen věrohodným zdrojem. Zkusíte ho dohledat?

Stisknutím tlačítka Chápu! můžete přejít na Wikipedii a úryvek opravit, tlačítkem Další! zobrazíte jiný úryvek. Ať se daří!

V článku Sora (umělá inteligence):

"

Proces generování videa Sora zahrnuje tři hlavní kroky:

  1. Po kompresi se tokenizovaná latentní reprezentace videa zpracovává pomocí Vision Transformer (ViT). Tento krok zlepšuje čistotu videa odstraněním šumu z abstraktní reprezentace.[2]
  2. Nakonec Sora využívá mechanismus CLIP[3] (Contrastive Language–Image Pre-training), který umožňuje porozumět a aplikovat textové popisy poskytnuté uživateli.[3] Tyto popisy mohou být vylepšeny pomocí velkých jazykových modelů (LLMs) pro větší jasnost a specifičnost a mohou zahrnovat i vizuální podněty.[zdroj?] To řídí difúzní model při vytváření videí, která odpovídají požadovaným tématům nebo stylům.[4]