每日經(jīng)濟新聞 2024-02-16 13:22:51
每經(jīng)編輯 何小桃 畢陸名
2月16日凌晨，OpenAI再次扔出一枚深水炸彈，發(fā)布了首個文生視頻模型Sora。據(jù)介紹，Sora可以直接輸出長達60秒的視頻，并且包含高度細致的背景、復雜的多角度鏡頭，以及富有情感的多個角色。
目前官網(wǎng)上已經(jīng)更新了48個視頻demo，在這些demo中，Sora不僅能準確呈現(xiàn)細節(jié)，還能理解物體在物理世界中的存在，并生成具有豐富情感的角色。該模型還可以根據(jù)提示、靜止圖像甚至填補現(xiàn)有視頻中的缺失幀來生成視頻。
例如一個Prompt（大語言模型中的提示詞）的描述是：在東京街頭，一位時髦的女士穿梭在充滿溫暖霓虹燈光和動感城市標志的街道上。
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(wěn)定，還有多鏡頭，包括從大街景慢慢切入到對女士的臉部表情的特寫，以及潮濕的街道地面反射霓虹燈的光影效果。
電影預告片講述了30歲宇航員戴著紅色羊毛針織摩托車頭盔的冒險經(jīng)歷，藍天、鹽漠，電影風格，35毫米膠片拍攝，色彩鮮艷。
AI想象中的龍年春節(jié)，紅旗招展人山人海。有緊跟舞龍隊伍抬頭好奇觀望的兒童，還有不少人掏出手機邊跟邊拍，海量人物角色各有各的行為。
豎屏超近景視角下，這只蜥蜴細節(jié)拉滿：
網(wǎng)友直呼game over，工作要丟了：
甚至有人已經(jīng)開始“悼念”一整個行業(yè)：
還有網(wǎng)友表示，電影業(yè)要徹底顛覆了。
一位YouTube博主Paddy Galloway發(fā)表了對Sora的感想，他表示內(nèi)容創(chuàng)作行業(yè)已經(jīng)永遠的改變了，并且毫不夸張。“我進入YouTube世界已經(jīng)15年時間，但OpenAI剛剛的展示讓我無言…動畫師/3D藝術家們有麻煩了，素材網(wǎng)站將變得無關緊要，任何人都可以無壁壘獲得難以置信的產(chǎn)品，內(nèi)容背后的‘想法’和故事將變得更加重要。”
對于Sora當前存在的弱點，OpenAI也不避諱，指出它可能難以準確模擬復雜場景的物理原理，并且可能無法理解因果關系。
例如“五只灰狼幼崽在一條偏僻的碎石路上互相嬉戲、追逐”，狼的數(shù)量會變化，一些憑空出現(xiàn)或消失。
該模型還可能混淆提示的空間細節(jié)，例如混淆左右，并且可能難以精確描述隨著時間推移發(fā)生的事件，例如遵循特定的相機軌跡。
如提示詞“籃球穿過籃筐然后爆炸”中，籃球沒有正確被籃筐阻擋。
OpenAI表示，他們正在教AI理解和模擬運動中的物理世界，目標是訓練模型來幫助人們解決需要現(xiàn)實世界交互的問題。
隨后OpenAI解釋了Sora的工作原理，Sora是一個擴散模型，它從類似于靜態(tài)噪聲的視頻開始，通過多個步驟逐漸去除噪聲，視頻也從最初的隨機像素轉化為清晰的圖像場景。Sora使用了Transformer架構，有極強的擴展性。
視頻和圖像是被稱為“補丁”的較小數(shù)據(jù)單位集合，每個“補丁”都類似于GPT中的一個標記（Token），通過統(tǒng)一的數(shù)據(jù)表達方式，可以在更廣泛的視覺數(shù)據(jù)上訓練和擴散變化，包括不同的時間、分辨率和縱橫比。
Sora是基于過去對DALL·E和GPT的研究基礎構建，利用DALL·E 3的重述提示詞技術，為視覺模型訓練數(shù)據(jù)生成高描述性的標注，因此模型能更好的遵循文本指令。
如今，Sora正面向部分成員開放，以評估關鍵領域的潛在危害或風險。同時，OpenAI也邀請了一批視覺藝術家、設計師和電影制作人加入，期望獲得寶貴反饋，以推動模型進步，更好地助力創(chuàng)意工作者。OpenAI提前分享研究進展，旨在與OpenAI以外的人士合作并獲取反饋，讓公眾了解即將到來的AI技術新篇章。
編輯|何小桃 畢陸名 蓋源源
校對|劉思琦
每日經(jīng)濟新聞綜合界面新聞、量子位、OpenAI官網(wǎng)等
如需轉載請與《每日經(jīng)濟新聞》報社聯(lián)系。
未經(jīng)《每日經(jīng)濟新聞》報社授權，嚴禁轉載或鏡像，違者必究。
讀者熱線：4008890008
特別提醒：如果我們使用了您的圖片，請作者與本站聯(lián)系索取稿酬。如您不希望作品出現(xiàn)在本站，可聯(lián)系我們要求撤下您的作品。
歡迎關注每日經(jīng)濟新聞APP
