Sora van OpenAI getraind met Netflix-video's?

Sora is een van de beste tekst-naar-videomodellen op de markt. Toen OpenAI het begin december 2024 aankondigde, produceerde het bijna fotorealistische video's (zij het met enkele opvallende fouten). De Washington Post ontdekte dat content van Netflix, TikTok en Twitch mogelijk voor de training is gebruikt.

Ten tijde van de aankondiging maakte OpenAI bekend dat Sora was getraind met behulp van openbare en gelicentieerde data , zonder de bronnen duidelijk te specificeren. De Washington Post (die samenwerkt met het in Californië gevestigde bedrijf) genereerde honderden video's en ontdekte dat veel ervan vergelijkbaar zijn met die in films, tv-programma's, games en sociale media.

Sommige video's die door Sora zijn gegenereerd (ongeveer 20 seconden zonder geluid) lijken fragmenten te zijn uit Netflix-series (woensdag), populaire games (Minecraft) en TikTok. De uiteindelijke video's bevatten ook logo's en watermerken van de bedrijven die de originele content aanbieden, wat bevestigt dat deze zijn gebruikt om het model te trainen.

Dit betekent echter niet per se dat de content gekopieerd of van de eigenaar verkregen is. Het kan ook zijn "gekopieerd" van videoplatforms (zoals YouTube) of sociale media, waar het zonder toestemming van de auteursrechthebbende is geüpload. Woordvoerders van Netflix en Twitch verklaarden dat hun respectievelijke bedrijven geen overeenkomsten hebben met OpenAI.

De voorwaarden van YouTube verbieden het downloaden van video's. Vorig jaar klaagde een groep makers OpenAI aan omdat audiotranscripties van video's werden gebruikt om het model van ChatGPT te trainen. Het in Californië gevestigde bedrijf heeft verschillende klachten ontvangen over het gebruik van boeken, artikelen en andere bronnen. OpenAI heeft nog geen klacht ontvangen over de data die gebruikt wordt om Sora te trainen, waarschijnlijk omdat de uiteindelijke kwaliteit slecht is.