2024年2月16日凌晨，OpenAl公司发布最新“文生视频”大模型Sora，并附带发布了多条由Sora生成的视频，相较于目前“文生视频”业内主流的数秒钟版本，此次发布的Sora可以一次性生成一分钟的视频，OpenAl继ChatGPT爆火之后，Sora再一次将人工智能推到一个新的高度。
Sora可以根据用户的文本提示创建最长60秒的逼真视频，该模型了解这些物体在物理世界中的存在方式，可以深度模拟真实物理世界，能生成具有多个角色、包含特定运动的复杂场景。继承了DALL-E 3的画质和遵循指令能力，能理解用户在提示中提出的要求。
从OpenAI在官网展示的Sora生成视频的效果来看，在生成视频质量、分辨率、文本语义还原、视频动作一致性、可控性、细节、色彩等方面非常好！特别是可以生成最长1分钟的视频！生成的画面可以很好的展现场景中的光影关系、各个物体间的物理遮挡、碰撞关系，并且镜头丝滑可变。超过Gen-2、SVD-XT、Pika等主流产品，一出手就是王炸。
如何使用Sora
在了解了Sora的强大能力后，很多朋友都在问Sora应该如何使用？这里站长给大家讲几句！目前呢，Sora还未对外开放！所以啊，所有让你付费使用Sora来生成视频的网站都是假的，都是骗钱的！官网是这么说的：
也就是，Sora目前只开放给下面两类人：
●第二类是：艺术工作者。比如需要制作视频的视觉艺术家、设计师、电影制作人等，这也明确了Sora的野心，剑指创意行业！
不过，按照他们的更新速度，估计几个月后普通人就能用上Sora了，届时跟GPT4、Dalle一样，Sora预计也会出现在ChatGPT的官网中，整合在ChatGPT All Tools里面，可以让我们在对话的过程中，无缝调用所有工具！
那么，你可能要问，国内的文心一言、通义千问，这些什么时候能拥有类似的能力呢？什么时候可以国产替代呢！
很遗憾！大多数人对此持悲观态度，可能得一年起步！不过，如果Stable Diffusion追上了相关技术并且要开源，那么国内追赶的时间就可以大大缩短，毕竟我们的优良传统是国外一开源，我们就遥遥领先！
针对Sora，360创始人周鸿祎发表评论认为，这意味着AGI实现将从10年缩短到1年。他指出，这次Sora只是小试牛刀，它展现的不仅仅是一个视频制作的能力，它展现的是大模型对真实世界有了理解和模拟之后，会带来新的成果和突破。
以下为周鸿祎评论全文：
年前我在风马牛演讲上分享了大模型十大趋势预测，没想到年还没过完，就验证了好几个，从Gemini、英伟达的Chat With RTX到OpenAl发布Sora，大家都觉得很炸裂。朋友问我怎么看Sora，我谈几个观点，总体来说就是我认为AGI很快会实现，就这几年的事儿了！
第一，科技竞争最终比拼的是让人才密度和深厚积累。很多人说Sora的效果吊打Pika和Runway。这很正常，和创业者团队比，OpenAl 这种有核心技术的公司实力还是非常强劲的。有人认为有了AI以后创业公司只需要做个体户就行，实际今天再次证明这种想法是非常可笑的。
第二，AI不一定那么快颠覆所有行业，但它能激发更多人的创作力。今天很多人谈到Sora对影视工业的打击，我倒不觉得是这样，因为机器能生产一个好视频，但视频的主题、脚本和分镜头策划、台词的配合，都需要人的创意，至少需要人给提示词。一个视频或者电影是由无数个60秒组成的。今天Sora可能给广告业、电影预告片、短视频行业带来巨大的颠覆，但它不一定那么快击败TikTok，更可能成为TikTok的创作工具。
第三，我一直说国内大模型发展水平表面看已经接近GPT-3.5了，但实际上跟4.0比还有一年半的差距。而且我相信OpenAl手里应该还藏着一些秘密武器，无论是GPT-5，还是机器自我学习自动产生内容，包括AIGC。奥特曼是个营销大师，知道怎样掌握节奏，他们手里的武器并没有全拿出来。这样看来中国跟美国的AI差距可能还在加大。
第四，大语言模型最牛的是，它不是填空机，而是能完整地理解这个世界的知识。这次很多人从技术上、从产品体验上分析Sora，强调它能输出60秒视频，保持多镜头的一致性，模拟自然世界和物理规律，实际这些都比较表象，最重要的是Sora的技术思路完全不一样。因为这之前我们做视频做图用的都是Diffusion，你可以把视频看成是多个真实图片的组合，它并没有真正掌握这个世界的知识。现在所有的文生图、文生视频都是在2D平面上对图形元素进行操作，并没有适用物理定律。但Sora产生的视频里，它能像人一样理解坦克是有巨大冲击力的，坦克能撞毁汽车，而不会出现汽车撞毁坦克这样的情况。所以我理解这次OpenAI利用它的大语言模型优势，把LLM和Diffusion结合起来训练，让Sora实现了对现实世界的理解和对世界的模拟两层能力，这样产生的视频才是真实的，才能跳出2D的范围模拟真实的物理世界。这都是大模型的功劳。
这也代表未来的方向。有强劲的大模型做底子，基于对人类语言的理解，对人类知识和世界模型的了解，再叠加很多其他的技术，就可以创造各个领域的超级工具，比如生物医学、蛋白质和基因研究，包括物理、化学、数学的学科研究上，大模型都会发挥作用。这次Sora对物理世界的模拟，至少将会对机器人具身智能和自动驾驶带来巨大的影响。原来的自动驾驶技术过度强调感知层面，而没有工作在认知层面。其实人在驾驶汽车的时候，很多判断是基于对这个世界的理解。比如对方的速度怎么样，能否发生碰撞，碰撞严重性如何，如果没有对世界的理解就很难做出一个真正的无人驾驶。
所以这次Sora只是小试牛刀，它展现的不仅仅是一个视频制作的能力，它展现的是大模型对真实世界有了理解和模拟之后，会带来新的成果和突破。
第五，Open AI训练这个模型应该会阅读大量视频。大模型加上Diffusion技术需要对这个世界进行进一步了解，学习样本就会以视频和摄像头捕捉到的画面为主。一旦人工智能接上摄像头，把所有的电影都看一遍，把YouTube上和TikTok的视频都看一遍，对世界的理解将远远超过文字学习，一幅图胜过千言万语，而视频传递的信息量又远远超过一幅图，这就离AGI真的就不远了，不是10年20年的问题，可能一两年很快就可以实现。
●版权归原作者和机构所有，严禁商用，否则产生的一切后果将由您自己承担
●如果您不喜欢本站有您信息的存在，请邮件告知我们予以删除
暂无评论内容