OpenAIs Videogenerierungs-App Sora 2 befindet sich zurzeit auf Platz 1 des US-iOS-Appstores; das Interesse ist offenbar groß. Die Qualität der generierten Videos hat einen riesigen Sprung nach vorne gemacht. Interessanter ist aber, dass sich Sora als Social-Media-App positioniert. c’t 3003 hat sie ausführlich getestet.

Transkript des Videos

(Hinweis: Dieses Transkript ist für Menschen gedacht, die das Video oben nicht schauen können oder wollen. Der Text gibt nicht alle Informationen der Bildspur wieder.)

Guckt mal hier: Das bin nicht ich, sondern das ist ein von Sora 2 generierter Keno. Sora 2 von den ChatGPT‑Machern von OpenAI ist auf jeden Fall ziemlich beeindruckend. Es zeigt aber auch, dass die großen KI‑Firmen gerade womöglich ziemlich in der Sackgasse stecken. In diesem Video seht ihr, was Sora 2 kann, was es nicht kann – und das ist auch ein bisschen lustig, was es nicht kann, muss ich sagen –, wie man es bekommt und was das große Problem bei Sora ist. Ich habe für diesen Test über 200 Videos generiert. Bleibt dran.

Liebe Hackerinnen, liebe Internetsurfer, herzlich willkommen hier bei…

Ja, bevor ich jetzt in die große technische und soziale Analyse gehe, erst mal hier ganz stumpf ein paar Videos, die ich mit Sora 2 gemacht habe.

[Mehrere Videos sind zu sehen]

Also, ich finde, das ist tatsächlich das krasseste Video, weil ich habe es mir angeguckt und habe gedacht: Okay, das bin ich. Habe ich das gefilmt? Sind das Aufnahmen von mir? Also, weil – auch wie meine Haut aussieht – und also ganz ehrlich, ich übertreibe da nicht. Das würde ich glauben, dass das ich bin. Auch in diesen Großaufnahmen. Die habe ich auch meinen Kollegen geschickt, und guckt mal, Pascal war auch ganz beeindruckt und hat da direkt so eine technisch‑künstlerische Sicht drauf; ihm ist aufgefallen, wie das Licht „bounced“ und kleine Schatten wirft.

[Mehr Videos sind zu sehen]

Wie ich da in den Videos rede, das hat nicht zwingend mit der Sprache des Prompts zu tun. Also, man kann einfach in Deutsch prompten, man kann auch auf Englisch prompten. Die Sachen, die ich sage – also wenn ich da nichts extra dazu schreibe –, die denkt Sora sich selber aus.

Also hier zum Beispiel bei meinem persönlichen Lieblings‑Sora‑Genre: Keno verwandelt sich in Würmer.

Und das ist ja auch typisch Sora 2. Oft weigert es sich, das zu machen – auch bei völlig harmlosen Sachen wie „Keno verwandelt sich in einen Wurm“. Weigerte sich, das zu generieren. Also, was Sora da für komische Fantasien hat – keine Ahnung.

Oder auch das hier ging nicht, wo ich einfach dieses Foto animiert haben wollte. Und Sora fantasiert mich auch erstaunlich häufig ohne Hose, was nicht ganz verstehe – hier ohne Hose als Elden‑Ring‑Boss. Und was ich auch interessant finde: dass es mich offenbar selbstständig ostfriesisch verortet – komplett ohne Prompt. Ich habe da also einfach nur meinen Namen gepromptet, und dann steht da auf einmal „Moin“ auf der Kaffeetasse. Oder auch, wenn ich einfach prompte „Keno als Reporter“. Ja, dann wirft Sora mich nach Emden.

Sowieso ganz lustig, diese „Lustige-Berufe-Prompten“: Zum Beispiel Zugbegleiter stellt Sora sich total typisch amerikanisch vor. Das geht offenbar nur so retro‑mäßig mit so einer altmodischen Uniform, weil Züge gibt’s ja heute fast gar nicht mehr in den USA. Viele Sachen sehen auf jeden Fall gut aus, finde ich. Aber viele sehen auch gar nicht mal so gut aus. Vor allem, wenn ich irgendwas Cinematisches haben will – wie diese Film‑Noir‑Szene hier –, dann sieht der Hintergrund oft so richtig billig computergeneriert aus, wie aus einem alten Computerspiel. Ja, und obwohl Sora besser Physik versteht als andere KI‑Generatoren, weiß es offenbar nicht so genau, wie die Kulturtechnik des Rauchens funktioniert. Naja, erstmal noch ein bisschen tanzen, ne?

Und wenn ihr euch jetzt fragt: Kann Sora mich so gut nachbauen, weil es so viel Videomaterial von mir auf YouTube gibt? Nein, das hat damit gar nichts zu tun. Das kann jede und jeder, indem man nämlich einfach die Sora‑App installiert und hier auf „Cameo“ tippt. Dann blendet Sora drei Zahlen ein. Die muss man einsprechen. Das ist quasi der Kopierschutz meiner eigenen Identität – also, dass ich das nicht mit fremden Leuten mache.

Und ja, dann dreht man ein bisschen seinen Kopf und versucht, möglichst viele Gesichtsausdrücke in möglichst kurzer Zeit zu machen. Denn man hat nur insgesamt neun Sekunden Zeit. Dann wird das automatisch zu OpenAI hochgeladen, und diese neun Sekunden reichen aus, damit Sora Videos mit einem künstlichen Keno generieren kann – und sogar auch in Ansätzen zumindest mit meiner Stimme sprechen kann.

Also, meine Stimme klingt meiner Meinung nach nur ein ganz kleines bisschen wie meine echte Stimme. Das Problem hatte ich aber auch bei anderen KI‑Diensten wie Eleven Labs schon. Irgendwie spreche ich offenbar komisch. Bei anderen Leuten wie zum Beispiel dem deutschen Streamer Papaplatte klingt die aus diesen neun Sekunden trainierte, generierte Stimme schon, finde ich, ziemlich echt.

Ja, und wenn ihr euch jetzt fragt: Hä, wieso könnt ihr denn Papaplatte‑Videos generieren? Hat der euch die Daten gegeben oder was?

Nein, sondern alle können diese Videos machen. Denn er hat sein Cameo für alle freigegeben. So wie auch Sam Altman, Jake Paul, iJustine und Ricky Burwick.

Das könnte man jetzt erst mal total creepy finden. Also würde ich creepy finden, dass alle mit meinem Aussehen irgendwelchen Quatsch machen können. Ohne jegliche Hürden. Aber die Leute steigern damit offenbar auch ihre Popularität.

Also zumindest, wenn ich durch TikTok swipe, dann ist da ziemlich oft der Sora-generierte Kevin Teller, aka Papaplatte, zu sehen. Noch öfter sehe ich allerdings 2Pac, Michael Jackson, Martin Luther King und andere tote Berühmtheiten, die alle von der Inhaltssperre von Sora durchgelassen werden.

Mein Cameo habe ich übrigens nicht freigegeben. Also man kann diese Datenschutzeinstellungen einigermaßen detailliert justieren. Man kann auch einstellen, ob OpenAI die Sachen fürs eigene Training verwenden darf oder nicht.

Und diese Sora-Videos mit echten Menschen, das ist auf jeden Fall gerade ein Hype. Und ich könnte mir gut vorstellen, dass das auch auf längere Sicht ein Meme-Genre sein wird – also echte Leute in lustigen KI-generierten Situationen. Ganz ehrlich, ich finde das teilweise schon auch witzig. Da stecken manchmal schon ganz gute Ideen drin.

Ich bin da halt auch gerade im Thema und kann die Dinger sofort identifizieren. Also ich sehe, ob das Sora ist oder nicht. Ich nehme aber auch wahr, dass einigen Leuten das eben nicht gelingt und dass die die Sachen halt für echte Videos halten.

Also klar, OpenAI baut da überall so wabernde Sora-Wasserzeichen ein. Aber hey, das kann man wirklich ziemlich einfach wegblurren in jedem Videoschnittprogramm. Es gibt natürlich auch längst Tutorials zum Wegmachen der Wasserzeichen hier auf YouTube. Und andere Leute, die nicht so in der Tech-Bubble sind, die wissen ja eh gar nicht, was Sora ist.

Ich war neulich zum Frühstück eingeladen und habe der Gastgeberin im Messenger vorher dieses Video hier geschickt. Einfach ohne Kontext. Und die haben das nicht gecheckt, dass das KI-generiert ist.

Die haben da halt mit einem Auge hingeguckt, irgendwie so beim Tischdecken oder so, und dachten halt: „Ach, Keno, der macht ja so Sachen mit Videos, der hat uns da jetzt so ein lustiges Video aufgenommen. Ah ja, cool.“ Und das sind auf jeden Fall junge, medienkompetente Leute. Nur die sind halt nicht in der Tech-Bubble.

Das heißt, die haben das nicht permanent auf dem Schirm, dass man so einfach KI-Videos generieren kann – von sich selbst. Also ganz klar, und das ist jetzt auch ein ziemlich langweiliger Take: Videos im Internet kann man nicht mehr trauen. Und das ist ja eigentlich auch schon lange so. Aber Videos sind halt jetzt noch ein bisschen einfacher zu faken. OpenAI hat das Ganze jetzt noch mal deutlich einfacher gemacht.

Es wird deshalb immer wichtiger, immer drauf zu gucken, wer Videos postet, also ob man der Quelle vertraut. Und deshalb haben wir bei c’t 3003 ja auch schon seit Längerem die hochoffizielle Regel, dass wir nicht mit KI-generierten Inhalten arbeiten.

Ja, ich weiß, dass dieses Video hier zu großen Teilen aus KI-generierten Inhalten besteht, aber ich denke, dass das in dem Fall logisch ist. Also ein Video über Sora – da zeigt man Sora-Inhalte. Was ich natürlich meine, sind KI-generierte Inhalte, um irgendwas zu bebildern, für das man eigentlich keine Bilder hat oder keine Lust hat, eigene Bilder dazu zu machen. Und das natürlich auch nicht deklariert. Bei uns alles schön bio – aus der 3003-Bildtextton-Manufaktur.

Also das ist jetzt erst mal der offensichtliche Take. Was ich aber obendrauf total interessant finde: dass Sora jetzt im Gewand einer Social-Media-App daherkommt. Ja, also bislang waren KI-Tools ja meistens Websites, und dann gab es vielleicht irgendwann eine Mobil-App. Bei Sora ist das jetzt so, dass man das Ding nur benutzen kann, wenn man die iOS-App installiert und sich da zumindest einmal eingeloggt hat.

Im Moment braucht man dafür einen Einladungscode und einen US-App-Store-Account, um die Sora-App zu installieren. Hat man das dann auf iOS einmal zum Laufen gebracht – also auch in Deutschland –, dann braucht man dafür kein VPN, muss sich also nicht in die USA tunneln.

Will man Zugriff auf Sora 2 über die Website, dann muss man kurz sich in die USA tunneln mit dem VPN. Was auch ein bisschen weird ist: Das Anlegen von so einem Cameo von sich selbst geht nur mit der App. Das Generieren von Querformat-Videos geht nur über die Website. Also mit der App kann man nur Hochformat generieren.

Naja, es ist auf jeden Fall alles zurzeit noch komplett kostenlos. Man braucht für Sora 2 auch kein Plus-Abo oder so. Und man kann am Tag damit zurzeit – also als ich dieses Video gemacht habe – 30 Videos am Tag generieren. Aber wie gesagt, um überhaupt loslegen zu können, braucht man die App.

Und die – Achtung, jetzt kommt’s – baut offensichtlich TikTok nach, beziehungsweise Instagram oder YouTube Shorts, die ja wiederum auch bei TikTok abkupfern. Aber ja, also man swipet da bei Sora auf jeden Fall durch den Ozean von unendlich vielen Videos.

Und das soll sich eben so anfühlen wie TikTok, was ja sowieso schon ziemlich gehirnschmelzend sein kann. Aber bei Sora sind das halt noch nicht mal Videos von und mit echten Menschen, sondern mit generierten Menschen oder generierten Dingen. Und das ist nicht lustig-seltsam wie, weiß ich nicht, Interdimensional Cable bei Rick & Morty, sondern das ist dystopisch seltsam – also richtig unangenehm.

Irgendwie ist es kurzzeitig unterhaltsam, weil es so neu ist, aber es fühlt sich dann auch sofort ganz, ganz falsch an. Irgendwie einsam. Man ist da so im ewigen Fluss der KI-Suppe des AI-Slops. Also für mich zumindest fühlt es sich ganz komisch und falsch an, da so durchzuswipen.

Ja, und warum macht denn OpenAI das überhaupt? Die wahrscheinliche Antwort darauf ist halt noch unangenehmer: OpenAI weiß nicht, wie es anders mit dem Zeugs Geld verdienen soll, als eben das zu machen, was alle Social-Media-Betreiber machen – nämlich Werbung zu verkaufen.

Sie fixen uns also an mit kostenlosen KI-Generierungen – also von uns selbst. Sie kriegen uns mit unserer Eitelkeit, unserem Ego. Und ja, da bin ich mir ziemlich sicher: Sobald das genug Leute nutzen, werden sie anfangen, Werbung zu verkaufen und anzuzeigen.

Das ist jetzt erst mal kein so schlimmer oder unerhörter Vorgang, aber das zeigt, finde ich, dass KI-Firmen gerade wirklich ziemlich in der Sackgasse stecken. Denn sie wissen nicht, wie sie aus den ganzen Investitionen – also KI-Rechenzentren unvorstellbarer Dimensionen, Millionen von Grafikkarten – wieder Geld machen können.

Und wenn ich mir die Weltwirtschaft gerade so angucke, klammert die sich an die Hoffnung, dass KI die Produktivität auf der ganzen Welt immens steigern wird. Sonst wären die Aktienkurse ja alle nicht so extrem aufgeblasen.

Und da kommt dann am Ende einfach nur das einzige Geschäftsmodell heraus, das alle im Internet machen und das Profit verspricht – also massenweise User an sich binden und denen Werbung reinzudrücken.

Und dafür diese grotesk riesigen Investitionen und Rechenzentren? Also ja, mal abwarten, wie das so weitergeht.

Also wäre Sora gut genug für den professionellen Einsatz für Film- und Videoproduktion, dann könnte man ja damit Geld verdienen. Aber das ist es leider zurzeit nicht, denn die Ergebnisse haben einen ziemlich großen Zufallsfaktor und sehen auch oft ganz schön schlecht aus.

Ja, vor allem kann Sora 2, Stand jetzt, nicht gut einen kohärenten Look über mehrere Szenen aufrechterhalten, was man ja für professionellen Einsatz bräuchte. Also ganz stumpf, dass zum Beispiel die zweite Szene den genau gleichen Look hat wie die erste Szene – sonst kann man ja nichts zusammensetzen. Und das ist bei Sora 2 ziemlich Glückssache.

Ja, und das ist auch in der Pro-Version so, die ziemlich teuer ist. Die kostet nämlich entweder 200 Dollar im Monat im Rahmen des ChatGPT-Pro-Abos oder einzeln über API abgerechnet 50 Cent pro Sekunde bei der höchsten Auflösung von 1792 × 1024 Pixeln, also 7,50 Dollar für ein 15‑Sekunden‑Video – das ist die maximale Länge.

Bei dem von mir getesteten kostenlosen normalen Sora liegt die Auflösung bei 1280 × 704 Pixeln. Da sind die Videos alle immer 10 Sekunden lang.

Ja, halten wir fest: Sora 2 kann recht beeindruckende Dinge. Das reicht aber noch lange nicht, um wirklich menschgemachte Videos oder Filme zu ersetzen.

Was aber wirklich interessant ist: dass OpenAI das offenbar glaubt – dass ihre KI-generierten Inhalte ausreichend gut sind, dass Leute freiwillig durch Sora swipen wollen statt durch TikTok, Insta oder YouTube.

Ich bin ja auch so ein Bio-Snob, der denkt, sein Geschmack ist noch nicht so verkümmert, dass er sich jeden Tag so KI-Slop angucken will. Ich glaube aber, dass es den meisten Menschen so geht.

Also ich muss schon zugeben, dass Sora ein witziges Ding ist, was wirklich ein paar Tage Spaß macht – vor allem, wenn man Freunde oder Kollegen hat, die einem ihre Cameos freigeben, um sich dann gemeinsam in Videos einbauen zu können. Das ist schon lustig.

Aber mal gucken, wie lange das interessant bleibt. Ich glaube nämlich: nicht so lange. Und es ist natürlich auch ein riesiger Haufen an Geld und Energie, der dann dafür verwendet wird, dass ich ein bisschen in Cola schwimmen kann und dann jemand einen Minzbonbon reinwirft. Tschüss.

c’t 3003 ist der YouTube-Channel von c’t. Die Videos auf c’t 3003 sind eigenständige Inhalte und unabhängig von den Artikeln im c’t Magazin. Die Redakteure Jan-Keno Janssen, Lukas Rumpler, Sahin Erengil und Pascal Schewe veröffentlichen jede Woche ein Video.

(jkj)