发布时间：2024-10-12 21:41:40 来源: sp20241012
视频生成模型Sora横空出世，让影视、广告业乃至教育界人士顿生危机感——
“阿拉丁神灯”？“潘多拉魔盒”？
“现实不存在了？”用“你方唱罢我登场”来形容春节假期最后两天大洋彼岸的“疯狂”，再贴切不过了。北京时间2月16日，谷歌的Gemini Pro 1.5还没出几个小时的风头，天一亮，全世界的聚光灯就集中在了OpenAI的Sora身上。
Sora，新型视频生成模型，它可以根据简短的文字提示(prompt)，将其转化为长达一分钟的高清视频，镜头感堪比电影。
未来，各种Sora视频或将现身并“占领”视频社交平台，其对现实的影响与改变，可谓巨大。
AI视频要“变天”了
Sora“逆天”在哪儿？它不仅能够根据文字指令创造出既逼真又充满想象力的场景，而且能生成长达1分钟的超长视频，还是一镜到底那种。
从发布的视频来看，60秒的视频中，视频主体与背景保持了高度的流畅性与稳定性，在一个视频里实现多角度镜头，分镜切换符合逻辑且流畅。此外，Sora对于光影反射、运动方式、镜头移动等细节处理非常到位。
“这座城市洁净无瑕，到处可见先进的未来式有轨电车、绚丽的喷泉、巨型的全息投影以及四处巡逻的机器人。”……OpenAI首席执行官山姆·奥特曼也亲自“下场”，在社交媒体上根据网友给出的prompt输出视频。
Sora的视频效果，几乎和人工拍摄不相上下，由此带来的强大冲击让无数人感叹：“现实，不存在了。”OpenAI是怎么做到的？根据官网介绍，“通过一次性为模型提供多帧的预测，我们解决了一个具有挑战性的问题。”数小时后，Sora的技术报告发布，尽管依旧“很OpenAI”——不包括模型和实现细节。技术报告中，“里程碑”是关键词。Sora还能将静态图像转化成视频，以该图像为背景，在视频中添加一些动态的元素，使图像变得更加生动。
据悉，OpenAI目前没有向公众发布Sora的计划，但将首次开始与第三方安全测试人员共享该模型。
对相关行业具颠覆性
纽约大学助理教授谢赛宁直言：“Sora将改写整个视频生成领域。”谢赛宁分析，Sora应该是建立在DiT这个扩散Transformer之上；在视频压缩网络上可能采用VAE架构，区别就是经过原始视频数据训练。他推算Sora可能有大约30亿个参数，并表示：“Sora或许并不需要人们想象中的那么多GPU来训练，如果真是如此，Sora的后期迭代将会非常快。”
英伟达人工智能研究院首席研究科学家Jim Fan认为，Sora是一个数据驱动的物理引擎，称这是视频生成领域的GPT-3时刻，“回到2020年，GPT-3不是一个很完美的模型，但是它有力证明了上下文学习的重要性，所以不要纠结于GPT-3的缺陷，多想想后面的GPT-4”。
360创始人周鸿祎也发布微博，提到自己对Sora的看法。在他看来，Sora只是小试牛刀，它展现的不仅仅是一个视频制作能力，而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。周鸿祎写道：“这次OpenAI利用它的大语言模型优势，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。”他认为，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”。
周鸿祎也直言：“一旦人工智能接上摄像头，把所有的电影都看一遍，把YouTube和TikTok上的视频都看一遍，对世界的理解将远远超过文字学习，一幅图胜过千言万语，这就离AGI真的不远了，不是10年、20年的问题，可能一两年很快就可以实现&#