OpenAI首個視頻生成模型發布
可用文本生成視頻 虛擬與現實已分不清？Sora將帶來什么
在2月16日，OpenAI宣布推出全新的生成式人工智能模型“Sora”。據了解，通過文本指令，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。
這意味著，繼文本、圖像之后，OpenAI將其先進的AI技術拓展到了視頻領域。OpenAI亦表示，Sora是能夠理解和模擬現實世界的模型的基礎，這一能力將是實現AGI(通用人工智能)的重要里程碑。
對于OpenAI視頻生成模型的出現，業內其實早有預期，但仍有人評價稱“比想象中來得更快”，亦有人振奮地表示“我們真的看到新工業革命來臨”。
2月16日，業內分析人士對記者表示，Sora無疑是人工智能領域的一次重大突破，該技術不僅展示了AI在理解和創造復雜視覺內容方面的先進能力，而且對內容創作、娛樂和影視制作行業帶來了前所未有的挑戰和機遇。
Sora視頻的長度和質量
超出了迄今為止所見的水平
“一名時尚女子走在充滿霓虹燈和廣告牌的標志性東京街頭，她穿著黑色皮夾克、紅長裙和黑靴子，拎著黑色手袋，戴著太陽鏡，涂著紅色口紅，走路自信又隨意。街道潮濕且反光，在燈光映射下形成鏡面效果，行人走來走去。”這段60秒的視頻，并非真實拍攝，而是OpenAI最新的“文生視頻”模型Sora，這一段文字描述就是段Prompt(提示詞)。
當地時間2月15日，人工智能(AI)巨頭OpenAI宣布，正在研發“文生視頻”模型Sora，可以創建長達60秒的視頻，其中包含高度詳細的場景、復雜的攝像機運動以及充滿活力的情感的多個角色，也可以根據靜態圖像制作動畫。OpenAI稱，目前紅隊成員(red teamers)可以使用Sora來評估關鍵的危害或風險，還向一些視覺藝術家、設計師和電影制作人提供訪問權限，以獲取有關如何改進該模型以對創意專業人士最有幫助的反饋。
Sora視頻一出，立刻震驚業界。盡管這不是首個AI視頻，其他企業也有類似文本生成視頻的AI模型，谷歌正在測試名為Lumiere的模型，Meta則有名為Emu的模型，還有人工智能初創企業Runway也在開發相應產品來幫助制作視頻，但外媒指出，人工智能專家和分析師表示，Sora視頻的長度和質量超出了迄今為止所見的水平。
美國伊利諾伊大學香檳分校信息科學教授Ted Underwood指出，沒想到在兩三年內還會有如此持續連貫水平的視頻生成技術，OpenAI的視頻可能展現了該模型的最佳性能。
多名AI從業者稱，從Sora公布的預覽視頻來看，簡直太“瘋狂”。在國外Reditt社區，有個網友提問，今天OpenAI公布的Sora模型是否會成為自動化對于經濟影響的里程碑？下面有將近100條回復，有網友稱，起初ChatGPT的發布讓用戶看到了一切皆有可能，而現在人工智能正在不斷進步發展，讓用戶看到了強大的技術能力。
有海外網友評論稱，Sora的出現是一項改變世界的產品，但同時也指出，Sora生成的視頻或許讓人工智能專家也難以分辨真假，這或許是個棘手的問題。
內容創作領域開啟新紀元
確保內容真實透明成重要問題
2021年初和2022年末，OpenAI分別推出了圖像生成系統DALL?E和聊天機器人ChatGPT。這也使得AI逐漸成為各行各業輔助工作的工具，也正逐漸改變人們對未來工作的看法。據介紹，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，為視覺模型訓練數據生成高描述性的標注，因此模型能更好的遵循文本指令。
Sora能夠生成具有多個角色、特定類型的運動以及主題和背景的準確細節的復雜場景。不僅了解用戶在提示中要求的內容，還了解這些東西在物理世界中的存在方式。同時，該模型對語言有深刻的理解，使其能夠準確地解釋提示并生成表達生動情感的引人注目的角色。
對于Sora的面世，工信部信息通信經濟專家委員會委員、數字經濟專家劉興亮稱，這標志著AI技術在內容創作領域的一個新紀元。“技術創新的這一巨大飛躍，預示著AI在未來人類生活的各個方面都將發揮更加重要的作用。”劉興亮表示。
而Sora以文字為核心的提示，將能夠形成更加符合人類觀念的連續視頻，該模型的出現無疑將會對人們現有工作方式進行再一次迭代，同時也會對傳統行業轉型提出新的挑戰。
生成式AI過去已積累了不少圖像、聲音等素材，并通過不斷學習形成了更為成熟的算法。因此，若是可以通過AI在計算機中創建視頻素材，或許將對影視行業產生重大影響。
劉興亮稱，AI生成的視頻可能減少了對人類演員、導演和其他創意角色的需求，從而影響到這個行業的就業。此外，隨著AI技術的進步，傳統的影視制作流程和商業模式也可能面臨重塑。
不過，劉興亮指出，這種轉型并不意味著傳統影視行業的消亡，而是需要與AI技術融合，探索新的藝術形式和表達方式。
劉興亮同時提到，隨著AI生成內容與現實之間的界限變得越來越模糊，如何確保內容的真實性和透明性成為了一個重要問題。此外，版權、隱私和數據安全等問題也需要得到妥善解決。社會必須面對這些挑戰，通過制定相關政策、法律和倫理準則來確保技術的健康發展，同時保護個人和社會的利益不受侵害。
拉大產業競爭差距
AI生成視頻技術或將進入爆發期
對于Sora當前存在的弱點，OpenAI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。該模型還可能混淆提示的空間細節，例如混淆左右，并且可能難以精確描述隨著時間推移發生的事件，例如遵循特定的相機軌跡。
以此次發布的DEMO“與中國龍一起慶祝農歷新年的視頻”為例，Sora無法準確生成視頻畫面中的中文受到了網友的關注。有相關人士對此調侃道：“莫非是中文太難了？”
但是任何事件的發生都是從無到有，再從有到精的過程。據悉，Sora如今正面向部分用戶開放，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。
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實世界交互的問題。
而相比于其自身缺陷，該技術的廣泛前景更為外界所關注。
近兩年，由于人工智能發展迅速，以至于很多企業紛紛加大了對人工智能的投入。科技創業公司研究機構PitchBook估計，2023年全球生成式AI的市場規模將達426億美元，2026年則將達到981億美元，未來增長動能可期。
隨著生成式人工智能的市場潛力不斷地被挖掘，大大小小的競爭對手開始浮出水面。
當前，參與該賽道的企業不乏亞馬遜、微軟、谷歌、百度、阿里等眾多互聯網巨頭，也包括Runway等初創企業。
有行業人士指出，隨著Sora的發布，OpenAI在行業的領先程度立即加大，會將大家緊追的距離再度拉開一大截。未來，解決了人物一致性問題之后，AI生成視頻將大踏步前進，AI視頻或進入大爆發期。
綜合澎湃新聞、每日經濟新聞
來源：成都商報
本文鏈接：可用文本生成視頻 虛擬與現實已分不清？Sora將帶來什么http://www.lensthegame.com/show-5-6843-0.html
聲明：本網站為非營利性網站，本網頁內容由互聯網博主自發貢獻，不代表本站觀點，本站不承擔任何法律責任，僅提供存儲服務。天上不會到餡餅，請大家謹防詐騙！若有侵權等問題請及時與本網聯系，我們將在第一時間刪除處理。