OpenAI「AI 視頻」工具出爐：別爭(zhēng)了，「視頻 GPT」 還是我的！

在放出的演示視頻中，Sora 可以生成清晰準(zhǔn)確的角色，遠(yuǎn)景、近景交錯(cuò)但主題一致的視頻，并且，已經(jīng)能一次性生成最長(zhǎng) 60s 的視頻?？粗@些視頻，AI 根據(jù)劇本自動(dòng)生成好萊塢電影，似乎已經(jīng)向我們走來。

一經(jīng)發(fā)布，社交平臺(tái) X 上，和 AI 以及視頻相關(guān)的創(chuàng)業(yè)者坐不住了。

YouTube 頭部網(wǎng)紅 MrBeast 回應(yīng) Sam Altman 發(fā)布 Sora 模型的推特時(shí)，打趣道：Sam，請(qǐng)不要讓我無家可歸。

Runway 聯(lián)合創(chuàng)始人、CEO Cris Valenzuela 發(fā)推稱：比賽開始了。

據(jù) OpenAI 官網(wǎng)，Sora 模型的目標(biāo)是「理解和模擬運(yùn)動(dòng)中的物理世界」。當(dāng)前，它的最大亮點(diǎn)是可以生成長(zhǎng)達(dá) 1 分鐘的視頻，并且，在這 1 分鐘的視頻中，可以保證視覺質(zhì)量，遵守用戶提示詞。舉例來說，Sora 可以生成一系列復(fù)雜場(chǎng)景的視頻，包括多個(gè)角色、特定類型的運(yùn)動(dòng)、以及在特定主題和背景下的精確細(xì)節(jié)等。

Sora 模型根據(jù)提示詞，可以生成如此程度的準(zhǔn)確視頻，意味著它對(duì)語言的理解能力出眾。

它不僅理解用戶在提示詞中想要什么，還理解這些東西應(yīng)該如何在物理世界中存在。相應(yīng)地，Sora 可以基于對(duì)提示詞的理解，精確闡述、演繹提示詞，生成恰當(dāng)?shù)慕巧珌肀磉_(dá)極具張力的情緒。

在一眾的演示視頻中，你會(huì)發(fā)現(xiàn)，Sora 還可以在一個(gè)生成的視頻中創(chuàng)建多個(gè)鏡頭。不僅如此，即便在近景、遠(yuǎn)景、不同角度的鏡頭下，也能保持角色和視覺風(fēng)格的一致性。

當(dāng)然，OpenAI 也在官網(wǎng)承認(rèn)，Sora 還遠(yuǎn)非完美。它可能難以準(zhǔn)確地模擬復(fù)雜場(chǎng)景下的物理世界，也可能無法理解一些場(chǎng)景下的因果關(guān)系，比如，一個(gè)人可能咬了一口餅干，但之后，餅干上可能沒有咬痕。

此外，Sora 還可能混淆提示詞里諸如「左、右」一樣的空間細(xì)節(jié)，并且可能難以精確描述隨時(shí)間發(fā)生的事件。

OpenAI 沒有透露 Sora 模型何時(shí)公開，但表示將與有限數(shù)量的外部人士分享。當(dāng)?shù)貢r(shí)間 2 月 15 日一整天，OpenAI CEO Sam Altman 都在他的 X 社交媒體賬戶上發(fā)布 Sora 生成的視頻。他讓粉絲給出提示詞，他發(fā)布該提示詞下 Sora 生成的視頻。

OpenAI 稱，盡早分享研究進(jìn)展是為了與外界展開合作、獲得反饋，也讓公眾了解 AI 的進(jìn)展?！肝覀円沧屢恍┮曈X藝術(shù)家、設(shè)計(jì)師和電影制作人訪問，以獲得推進(jìn)該模型以對(duì)創(chuàng)意專業(yè)人士最有幫助的反饋」。

除此之外，用來評(píng)估 Sora 危害或風(fēng)險(xiǎn)的「紅隊(duì)」（red teamers）可以提前測(cè)試該模型。這里的紅隊(duì)是指，錯(cuò)誤信息、仇恨內(nèi)容和偏見等領(lǐng)域的專家，他們將對(duì)抗性地測(cè)試該模型，從而評(píng)估如何防止 Sora 被濫用來制造錯(cuò)誤信息或其他有害內(nèi)容。

Jim Fan 在 X 社交媒體發(fā)表上述觀點(diǎn)｜來源：twitter.com

他稱，「如果你認(rèn)為 OpenAI Sora 是一個(gè)像 DALLE 一樣的創(chuàng)意玩具……再想想。Sora 是一個(gè)數(shù)據(jù)驅(qū)動(dòng)的物理引擎，是對(duì)現(xiàn)實(shí)或幻想世界的模擬。這一模擬器通過去噪和梯度數(shù)學(xué)，來學(xué)習(xí)復(fù)雜渲染、『直覺』物理（「intuitive」physics）、長(zhǎng)視野推理（long-horizon reasoning）和語義基礎(chǔ)。」

在其背后的技術(shù)實(shí)現(xiàn)上，Jim Fan 認(rèn)為，Sora 一定使用了 Unreal Engine 5 生成的大量合成數(shù)據(jù)來訓(xùn)練。

在技術(shù)聲明中，OpenAI 尚未介紹 Sora 模型的訓(xùn)練數(shù)據(jù)等細(xì)節(jié)，稱將在 2 月 16 日晚些時(shí)候，發(fā)布技術(shù)論文。

OpenAI 稱，通過賦予模型一次預(yù)測(cè)許多幀的能力，解決了一個(gè)具有挑戰(zhàn)性的問題，即確保一個(gè)主題即使暫時(shí)消失在視野之外也保持不變。

與 GPT 模型類似，Sora 使用 Transformer 架構(gòu)，具備卓越的縮放性能。

對(duì)于 Sora 模型的重要意義，OpenAI 在官方博客結(jié)尾指出，「Sora 作為能夠理解和模擬現(xiàn)實(shí)世界的模型基礎(chǔ)，我們相信這一能力將是實(shí)現(xiàn) AGI 的重要里程碑。」

顯然，OpenAI 的目標(biāo)依舊是 AGI 的實(shí)現(xiàn)，在這個(gè)恢弘的目標(biāo)下，其在集結(jié)資源和自身能力上的領(lǐng)先優(yōu)勢(shì)，又一次體現(xiàn)出超越一般創(chuàng)業(yè)公司的綜合實(shí)力。

此前，Pika 聯(lián)合創(chuàng)始人 Demi Guo 在接受極客公園的采訪時(shí)表示，在文生視頻賽道，相比基于現(xiàn)有模型能力做功能優(yōu)化、打補(bǔ)丁，模型能力本身才是決定文生視頻產(chǎn)品成敗最關(guān)鍵的因素。

一經(jīng)發(fā)布，OpenAI 的 Sora 模型再次刷新 AI 文生視頻的超能力，顯然對(duì)這個(gè)賽道那些已經(jīng)發(fā)布產(chǎn)品的初創(chuàng)公司形成了巨大壓力：Runway、Synthesia、Pika、Rephrase.ai……

就像 Runway 聯(lián)合創(chuàng)始人、CEO Cristóbal Valenzuela 在幾個(gè)小時(shí)前說的那樣：比賽開始了。