每(mei)經編輯 何小桃 畢陸名  ;  

2月16日凌晨，太炸OpenAI再次扔出一枚深水炸彈，深夜生成視頻失業發布了首個文生視頻模型Sora。發布據介紹，文字網友Sora可以直接輸出長達60秒的直接視頻，并且包含高度細致的太炸百姓彩票大廳背景、復雜的深夜(ye)生成視頻失業多角(jiao)(jiao)度鏡頭，以及富有情(qing)感的發布多個(ge)角(jiao)(jiao)色。

目前官網(wang)(wang)上已經更新了48個(ge)視(shi)頻demo，文字網(wang)(wang)友(you)在這些demo中(zhong)，直(zhi)接Sora不僅能(neng)準確呈現細節，太炸還(huan)(huan)能(neng)理(li)解(jie)物體(ti)在物理(li)世界中(zhong)的深夜生(sheng)(sheng)成視(shi)頻失(shi)業存在，并生(sheng)(sheng)成具有豐富情感的發布角色。該模型還(huan)(huan)可(ke)以根據提示、文字網(wang)(wang)友(you)靜止圖像甚至填補現有視(shi)頻中(zhong)的直(zhi)接缺失(shi)幀來生(sheng)(sheng)成視(shi)頻。

例如一(yi)個Prompt（大語(yu)言(yan)模(mo)型中的(de)(de)提(ti)示詞）的(de)(de)描述是：在(zai)(zai)東(dong)京(jing)街頭，一(yi)位時髦的(de)(de)女士穿(chuan)梭在(zai)(zai)充滿溫暖霓虹燈光(guang)和動感(gan)城市標志的(de)(de)街道上(shang)。

在Sora生成的視頻里，女士身著黑色皮衣、紅色裙子在霓虹街頭行走，不僅主體連貫穩定，快3百姓彩票還有多鏡(jing)頭(tou)，包括(kuo)從大街景(jing)慢慢切入到對女士(shi)的(de)(de)臉部表情(qing)的(de)(de)特寫，以及潮濕的(de)(de)街道地面反射霓虹(hong)燈的(de)(de)光影效果。

電影預告片(pian)講述了30歲宇航員戴著紅色(se)羊毛針織摩托車頭(tou)盔的冒(mao)險(xian)經(jing)歷(li)，藍天(tian)、鹽(yan)漠，電影風格，35毫米膠片(pian)拍(pai)攝，色(se)彩鮮艷。

AI想象中的百姓彩票首頁龍(long)年春(chun)節，紅旗招(zhao)展人山人海。有緊(jin)跟舞龍(long)隊伍(wu)抬(tai)頭(tou)好奇觀望(wang)的(de)兒童，還有不少人掏出手機(ji)邊跟邊拍，海量人物角色各(ge)有各(ge)的(de)行(xing)為。

豎(shu)屏超近(jin)景視角下(xia)，這只蜥蜴(yi)細(xi)節拉滿：

網(wang)友直(zhi)呼game over，工作要(yao)丟了(le)：

甚(shen)至有人已經(jing)開始“悼念”一(yi)整個(ge)行業：

還有網友表示，電影業(ye)要徹底顛覆了。

一位YouTube博主Paddy Galloway發表(biao)了(le)(le)對Sora的感想(xiang)，他表(biao)示內容創作(zuo)行(xing)業已經永遠的改變了(le)(le)，并且(qie)毫(hao)不夸(kua)張(zhang)。“我進入(ru)YouTube世(shi)界(jie)已經15年時間(jian)，但OpenAI剛剛的展示讓我無(wu)言…動(dong)畫師/3D藝術家(jia)們有麻煩了(le)(le)，素材網(wang)站將變得無(wu)關緊要，任何人(ren)都可(ke)以(yi)無(wu)壁(bi)壘獲得難以(yi)置信(xin)的產品(pin)，內容背后(hou)的‘想(xiang)法’和故事將變得更加重要。”

對于Sora當前(qian)存(cun)在的弱點，OpenAI也(ye)不(bu)避(bi)諱(hui)，指出(chu)它可能(neng)(neng)難(nan)以準確模擬復雜場景的物理原理，并且可能(neng)(neng)無(wu)法理解因果關(guan)系。

例(li)如“五(wu)只灰(hui)狼幼崽在一(yi)條(tiao)偏僻的(de)碎(sui)石路上互相嬉(xi)戲(xi)、追逐”，狼的(de)數量會(hui)變化，一(yi)些憑(ping)空出現或消失。

該模型還(huan)可能混淆提(ti)示(shi)的(de)空(kong)間(jian)細節(jie)，例如(ru)混淆左右(you)，并且可能難以精確描述(shu)隨著時(shi)間(jian)推移(yi)發生的(de)事(shi)件(jian)，例如(ru)遵循(xun)特定(ding)的(de)相機(ji)軌(gui)跡。

如(ru)提示詞“籃(lan)球穿過籃(lan)筐然(ran)后(hou)爆炸(zha)”中，籃(lan)球沒有正確(que)被籃(lan)筐阻擋。

OpenAI表(biao)示，他們正在教(jiao)AI理(li)解和模擬運動中的(de)物理(li)世界，目標是訓練模型來幫助人們解決(jue)需要現實(shi)世界交(jiao)互的(de)問題(ti)。

隨(sui)后OpenAI解(jie)釋了Sora的工作(zuo)原理，Sora是(shi)一個擴散(san)模型，它從(cong)類似于靜態噪聲的視頻開始(shi)，通過(guo)多(duo)個步驟逐(zhu)漸去除(chu)噪聲，視頻也(ye)從(cong)最初的隨(sui)機像(xiang)素轉化為清(qing)晰的圖像(xiang)場景。Sora使用了Transformer架構(gou)，有極強的擴展性。

視頻和圖像是被稱為“補(bu)丁”的(de)較小數(shu)據單位集合，每個(ge)“補(bu)丁”都類似(si)于GPT中(zhong)的(de)一個(ge)標(biao)記（Token），通(tong)過統一的(de)數(shu)據表達方式，可以在更廣泛(fan)的(de)視覺數(shu)據上訓(xun)練和擴散變化，包括不同的(de)時間、分辨率和縱橫比(bi)。

Sora是基于(yu)過去對DALL·E和GPT的(de)(de)研究基礎(chu)構(gou)建，利用(yong)DALL·E 3的(de)(de)重述(shu)提示(shi)詞技術，為視覺模型訓練數據生成高描(miao)述(shu)性的(de)(de)標注，因此模型能更好(hao)的(de)(de)遵循文本(ben)指令。

如今，Sora正面向部(bu)分成員(yuan)開(kai)放，以評估(gu)關鍵領域(yu)的(de)潛在危害或風險。同(tong)時，OpenAI也(ye)邀請了一批視(shi)覺藝術(shu)家(jia)、設計(ji)師和電影制作(zuo)人加入，期望(wang)獲得寶貴反饋，以推(tui)動模(mo)型進步，更好地(di)助(zhu)力(li)創意工(gong)作(zuo)者(zhe)。OpenAI提(ti)前(qian)分享研究進展，旨在與OpenAI以外的(de)人士(shi)合作(zuo)并(bing)獲取反饋，讓公(gong)眾了解即(ji)將到來的(de)AI技術(shu)新篇章。

編輯|何(he)小(xiao)桃 畢陸名(ming) 蓋源源

校對|劉思琦

每(mei)日經(jing)濟新聞(wen)綜合界面新聞(wen)、量子(zi)位、OpenAI官網等(deng)