21世紀經濟報道見習記者肖瀟 北京報道
OpenAI在AI生成視頻領域扔出一枚“王炸”。當地時間2月15日，OpenAI發布了第一個文生視頻大模型Sora。這一模型可以根據用戶輸入的提示詞生成長達一分鐘的高清視頻，雖然還沒公開使用，但已經引發了熱議。
在官方分享的演示視頻中，Sora可以直接輸出有多個角色、多種場景和運鏡的畫面。比如一段提示詞為：鏡頭穿過熙熙攘攘的東京街道，跟隨幾個人享受雪天并逛街。在Sora生成的視頻中，鏡頭從天空的雪花中俯沖，跟著一對牽手的情侶，走過日本風格的街道。
OpenAI官方演示視頻
AI視頻的運用可以追溯到2022年。初創公司Runway被認為是這一技術領域的“鼻祖”，熱門科幻電影《瞬息全宇宙》就用到了其視頻編輯技術。從那時起，AI視頻技術開始快速迭代，以Runway、Pika、Meta（Emu Video）為代表的公司進入競爭賽道。不過，這些AI視頻大多只能維持幾秒鐘的長度，存在場景不逼真、元素閃現、運動不連貫等“一眼AI”的問題。
而在OpenAI目前公開的48個演示視頻里，無論是貓踩醒被窩里的主人，模仿手機拍攝的尼日利亞街道，還是中國的春節舞龍活動......幾乎看不出AI生成的痕跡。OpenAI解釋，Sora不僅能滿足提示詞的要求，還理解各種物體在物理世界的存在方式。實現的最關鍵的一處技術突破是，“畫面主體即使暫時離開鏡頭，也能保持不變。”因此生成視頻的逼真度和連貫性有了肉眼可見的進步。
一位硅谷AI公司的從業者告訴21記者，根據她的使用體驗，Sora在演示視頻中展現的能力遠遠超Pika和Runway，“Pika只能生成3-15秒的視頻，Sora能直接生成一分鐘的視頻。從畫面效果和時長來看，Sora肯定是一個重要突破。”
業內普遍認為，Sora能力的提升，主要來自高質量的數據集，以及準確的語言理解能力。OpenAI 沒有透露訓練視頻的大小、來源，只聲稱訓練的是公開有版權的視頻。前述從業者認為，Sora無疑有巨大的數據量，因此能夠支持多大的調用量，視頻加載和渲染有多少延遲，都將是后續挑戰。“真正投入使用會是什么樣？能不能達到官方演示的效果？”還是一個未知數。
OpenAI已經公開承認了一些Sora存在的缺陷：它可能難以呈現復雜的物理變化規律，無法理解因果關系，混淆空間細節。例如在演示視頻中，一位壽星向生日蛋糕上的蠟燭吹氣，但蠟燭沒有任何變化；或者籃球直接穿透了籃筐，而不是從籃筐中進球。
值得注意的是，Sora目前定性為初期研究成果，不面向公眾使用，因為公司擔心深度偽造視頻的濫用問題。現在只有一部分視覺藝術家、設計師和電影制作人有內部試用機會。此外，OpenAI 還在與第三方安全測試人員共享該模型，進行紅隊測試。
在安全問題上，Sora 已經包含了一個過濾器，阻止暴力、色情、仇恨，以及特定人物的視頻輸出。公司還將借鑒去年在DALL-E 3 上實驗的圖像探測器，把C2PA技術標準——一種內容追溯方式，也可以理解為內容水印——嵌入到Sora的輸出視頻中，以鑒別視頻是否為AI深度偽造視頻。
本文鏈接：OpenAI發布首個視頻大模型Sora，一句話生成一分鐘視頻http://www.sq15.cn/show-2-2903-0.html
聲明：本網站為非營利性網站，本網頁內容由互聯網博主自發貢獻，不代表本站觀點，本站不承擔任何法律責任。天上不會到餡餅，請大家謹防詐騙！若有侵權等問題請及時與本網聯系，我們將在第一時間刪除處理。