可用文本生成视频 虚拟与现实已分不清？Sora将带来什么

　　OpenAI首个视频生成模型发布

　　可用文本生成视频 虚拟与现实已分不清？Sora将带来什么

　　在2月16日，OpenAI宣布推出全新的生成式人工智能模型“Sora”。据了解，通过文本指令，Sora可以直接输出长达60秒的视频，并且包含高度细致的背景、复杂的多角度镜头，以及富有情感的多个角色。

　　这意味着，继文本、图像之后，OpenAI将其先进的AI技术拓展到了视频领域。OpenAI亦表示，Sora是能够理解和模拟现实世界的模型的基础，这一能力将是实现AGI(通用人工智能)的重要里程碑。

　　对于OpenAI视频生成模型的出现，业内其实早有预期，但仍有人评价称“比想象中来得更快”，亦有人振奋地表示“我们真的看到新工业革命来临”。

　　2月16日，业内分析人士对记者表示，Sora无疑是人工智能领域的一次重大突破，该技术不仅展示了AI在理解和创造复杂视觉内容方面的先进能力，而且对内容创作、娱乐和影视制作行业带来了前所未有的挑战和机遇。

　　Sora视频的长度和质量

　　超出了迄今为止所见的水平

　　“一名时尚女子走在充满霓虹灯和广告牌的标志性东京街头，她穿着黑色皮夹克、红长裙和黑靴子，拎着黑色手袋，戴着太阳镜，涂着红色口红，走路自信又随意。街道潮湿且反光，在灯光映射下形成镜面效果，行人走来走去。”这段60秒的视频，并非真实拍摄，而是OpenAI最新的“文生视频”模型Sora，这一段文字描述就是段Prompt(提示词)。

　　当地时间2月15日，人工智能(AI)巨头OpenAI宣布，正在研发“文生视频”模型Sora，可以创建长达60秒的视频，其中包含高度详细的场景、复杂的摄像机运动以及充满活力的情感的多个角色，也可以根据静态图像制作动画。OpenAI称，目前红队成员(red teamers)可以使用Sora来评估关键的危害或风险，还向一些视觉艺术家、设计师和电影制作人提供访问权限，以获取有关如何改进该模型以对创意专业人士最有帮助的反馈。

　　Sora视频一出，立刻震惊业界。尽管这不是首个AI视频，其他企业也有类似文本生成视频的AI模型，谷歌正在测试名为Lumiere的模型，Meta则有名为Emu的模型，还有人工智能初创企业Runway也在开发相应产品来帮助制作视频，但外媒指出，人工智能专家和分析师表示，Sora视频的长度和质量超出了迄今为止所见的水平。

　　美国伊利诺伊大学香槟分校信息科学教授Ted Underwood指出，没想到在两三年内还会有如此持续连贯水平的视频生成技术，OpenAI的视频可能展现了该模型的最佳性能。

　　多名AI从业者称，从Sora公布的预览视频来看，简直太“疯狂”。在国外Reditt社区，有个网友提问，今天OpenAI公布的Sora模型是否会成为自动化对于经济影响的里程碑？下面有将近100条回复，有网友称，起初ChatGPT的发布让用户看到了一切皆有可能，而现在人工智能正在不断进步发展，让用户看到了强大的技术能力。

　　有海外网友评论称，Sora的出现是一项改变世界的产品，但同时也指出，Sora生成的视频或许让人工智能专家也难以分辨真假，这或许是个棘手的问题。

　　内容创作领域开启新纪元

　　确保内容真实透明成重要问题

　　2021年初和2022年末，OpenAI分别推出了图像生成系统DALL·E和聊天机器人ChatGPT。这也使得AI逐渐成为各行各业辅助工作的工具，也正逐渐改变人们对未来工作的看法。据介绍，Sora是基于过去对DALL·E和GPT的研究基础构建，利用DALL·E 3的重述提示词技术，为视觉模型训练数据生成高描述性的标注，因此模型能更好的遵循文本指令。

　　Sora能够生成具有多个角色、特定类型的运动以及主题和背景的准确细节的复杂场景。不仅了解用户在提示中要求的内容，还了解这些东西在物理世界中的存在方式。同时，该模型对语言有深刻的理解，使其能够准确地解释提示并生成表达生动情感的引人注目的角色。

　　对于Sora的面世，工信部信息通信经济专家委员会委员、数字经济专家刘兴亮称，这标志着AI技术在内容创作领域的一个新纪元。“技术创新的这一巨大飞跃，预示着AI在未来人类生活的各个方面都将发挥更加重要的作用。”刘兴亮表示。

　　而Sora以文字为核心的提示，将能够形成更加符合人类观念的连续视频，该模型的出现无疑将会对人们现有工作方式进行再一次迭代，同时也会对传统行业转型提出新的挑战。

　　生成式AI过去已积累了不少图像、声音等素材，并通过不断学习形成了更为成熟的算法。因此，若是可以通过AI在计算机中创建视频素材，或许将对影视行业产生重大影响。

　　刘兴亮称，AI生成的视频可能减少了对人类演员、导演和其他创意角色的需求，从而影响到这个行业的就业。此外，随着AI技术的进步，传统的影视制作流程和商业模式也可能面临重塑。

　　不过，刘兴亮指出，这种转型并不意味着传统影视行业的消亡，而是需要与AI技术融合，探索新的艺术形式和表达方式。

　　刘兴亮同时提到，随着AI生成内容与现实之间的界限变得越来越模糊，如何确保内容的真实性和透明性成为了一个重要问题。此外，版权、隐私和数据安全等问题也需要得到妥善解决。社会必须面对这些挑战，通过制定相关政策、法律和伦理准则来确保技术的健康发展，同时保护个人和社会的利益不受侵害。

　　拉大产业竞争差距

　　AI生成视频技术或将进入爆发期

　　对于Sora当前存在的弱点，OpenAI指出它可能难以准确模拟复杂场景的物理原理，并且可能无法理解因果关系。该模型还可能混淆提示的空间细节，例如混淆左右，并且可能难以精确描述随着时间推移发生的事件，例如遵循特定的相机轨迹。

　　以此次发布的DEMO“与中国龙一起庆祝农历新年的视频”为例，Sora无法准确生成视频画面中的中文受到了网友的关注。有相关人士对此调侃道：“莫非是中文太难了？”

　　但是任何事件的发生都是从无到有，再从有到精的过程。据悉，Sora如今正面向部分用户开放，以评估关键领域的潜在危害或风险。同时，OpenAI也邀请了一批视觉艺术家、设计师和电影制作人加入，期望获得宝贵反馈，以推动模型进步，更好地助力创意工作者。OpenAI提前分享研究进展，旨在与OpenAI以外的人士合作并获取反馈，让公众了解即将到来的AI技术新篇章。

　　OpenAI表示，他们正在教AI理解和模拟运动中的物理世界，目标是训练模型来帮助人们解决需要现实世界交互的问题。

　　而相比于其自身缺陷，该技术的广泛前景更为外界所关注。

　　近两年，由于人工智能发展迅速，以至于很多企业纷纷加大了对人工智能的投入。科技创业公司研究机构PitchBook估计，2023年全球生成式AI的市场规模将达426亿美元，2026年则将达到981亿美元，未来增长动能可期。

　　随着生成式人工智能的市场潜力不断地被挖掘，大大小小的竞争对手开始浮出水面。

　　当前，参与该赛道的企业不乏亚马逊、微软、谷歌、百度、阿里等众多互联网巨头，也包括Runway等初创企业。

　　有行业人士指出，随着Sora的发布，OpenAI在行业的领先程度立即加大，会将大家紧追的距离再度拉开一大截。未来，解决了人物一致性问题之后，AI生成视频将大踏步前进，AI视频或进入大爆发期。

　　综合澎湃新闻、每日经济新闻

　　来源：成都商报 【编辑:曹子健】