OpenAI視頻模型Sora炸裂登場，視頻作者表示：或?qū)氐锥说粜袠I(yè)飯碗

老李頭 / 2024-02-16 14:0381243

在開發(fā)出爆款聊天機(jī)器人ChatGPT系列之后，OpenAI繼續(xù)在生成式人工智能上玩出了“新花樣”。2月16日，OpenAI推出了新的AI大模型Sora，據(jù)稱該文生視頻大模型能夠通過快速文本提示，創(chuàng)建出逼真和富有想象力的60秒視頻，視頻的效果相較之前又上了一個(gè)臺階。

1675859088781_a700x398_副本.jpg

據(jù)了解，該大模型的優(yōu)勢在于不僅能夠更好地理解用戶在提示中的要求，還能夠理解這些東西在現(xiàn)實(shí)世界中的存在和運(yùn)動方式。OpenAI表示，“正在教人工智能理解和模擬運(yùn)動中的物理世界”，目標(biāo)是訓(xùn)練模型來“幫助人們解決需要現(xiàn)實(shí)世界互動的問題”。

Sora生成的中國舞龍場景，與真實(shí)場景幾乎沒有差別

隨后，OpenAI還解釋了Sora的工作原理，表示Sora作為一個(gè)擴(kuò)散模型，會從類似于靜態(tài)噪聲的視頻開始，通過多個(gè)步驟逐漸去除噪聲，使視頻由最初的隨機(jī)像素轉(zhuǎn)化為清晰地圖像場景，而此前大火的Midjourney和Stable Diffusion的圖像和視頻生成器同樣基于擴(kuò)散模型，但Sora能夠通過讓模型一次預(yù)見多幀畫面，確保了即使被攝體在離開視線后仍然能保持不變，也使其展示出了對電影拍攝語法的自發(fā)理解。

輸入 prompt：一位 24 歲女性眨眼的極端特寫，在魔法時(shí)刻站在馬拉喀什，70 毫米拍攝的電影，景深，鮮艷的色彩，電影。.gif

Sora生成的女性眼睛，無論皮膚紋理還是瞳孔、睫毛都非常逼真

一位視頻工作者在看到Sora之后表示，“我進(jìn)入YouTube世界已經(jīng)15年時(shí)間，但OpenAI剛剛的展示讓我無言…動畫師/3D藝術(shù)家們有麻煩了，素材網(wǎng)站將變得無關(guān)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。”

Sora生成的賽博都市場景

不過，也有不少人在看了Sora生成的視頻之后表示：畫面很真實(shí)，但也很詭異。這其實(shí)是由該大模型的缺點(diǎn)決定的。雖然該模型能夠在一定程度上模擬現(xiàn)實(shí)場景，但仍然難以準(zhǔn)確模擬復(fù)雜場景中的物理現(xiàn)象，也無法理解具體的因果關(guān)系，還存在混淆提示的空間細(xì)節(jié)等諸多問題。