1. Sora?是啥意思?有啥含义没?
Sora 在日语中是“天空”的意思,引申含义还有“自由”。
Sora 介绍页丨OpenAI
在 Sora 官方介绍页里,你能看到在无数空中自由飞翔的纸飞机。它们看起来行动自主、探索自由,如果 OpenAI 最终造成 AGI(通用人工智能),应该就是如此希冀的吧。
Sora 是一个 AI 视频模型,你光打一串文字,就能生成一个以假乱真的纯 AI 原创视频。除此之外,你还可以输入图片转成视频,用视频再转成新的视频……
仅仅只有 AI 生成视频样片以及技术论文的释出,Sora 已经在传播层面引发“地震”,不少人高呼影视行业变天了,有人甚至把美国电影工业的象征好莱坞改成了这样:
2. 人们吹爆它“炸裂”、“史诗级”、“现实不存在了”,根据是啥?
最直观的,有些样片太真实了——人物的脸没那么“恐怖谷”,物体运动轨迹也很自然,画面的清晰度和顺畅程度,都像我们用手里的设备拍出来:
这太像我们用 GoPro 手持拍摄的画面了丨Sora
相比竞品,Sora 是“灭霸”级别。之前主流的 AI 生成视频都在 4 到 16 秒,还“卡成 PPT”,而 Sora 弯道超车,直接将时长拉到 60 秒。后者的画面表现,已经媲美视频素材库,放进视频当空镜完全可行。
这让人们懵圈,只能感慨技术的发展有迹可循,技术的突破节点却较难预测。
3. 都嚷嚷着行业变天,人类下岗,Sora 除了第一眼好,还有啥惊人玩法?
多机位:
Sora 生成
自然融合两种完全不相干的场景:
Sora 生成
视频还可以往前扩展,向后扩展;如果你对视频的局部(比如背景)不满意,直接更换就可以了。
Sora 还能直接以文生图,甚至还可以将图片转成动态视频,而且还不是目前流行的“小动物跳舞”呈现的粗糙效果:
Sora 生成
4. 把《三体》输进去,能直接出片吗?
我知道你很急,但你先别急。
首先,目前就 Sora 所呈现的,虽然有多机位效果,但都是单一情节单一镜头。
而《三体》有多人视角,叙事复杂,靠 AI 生成一条龙搞定并不现实。据一些影视行业从业者所说,目前 AI 生成虽然高效,但可控性不够,目前主要用在 demo 制作、概念设计、分镜编排等环节。
5. 看到这里,你有一个大胆的想法?
打住!
OpenAI 正在评估 Sora 被滥用的风险,所以目前还没开放给公众,只给一批在误导信息、仇恨内容和偏见等领域的专家,以及创意人士使用。
6. 每次技术狂潮,打工人都最先焦虑,这次咋整?
记住一点,贩卖焦虑的,都是为了赚你的钱。虽然 Sora 都还没公测呢,但已经有人开始卖付费教程了。
目前的 Sora 也有“翻车”生成,如果这个能安慰到你的话丨Sora
AI 技术推陈出新太快了,你刚在 Pika 上学了几个月怎么写提示词,结果“灭霸”Sora 出现,此前积累的工具经验可能瞬间失效……既然如此,不如先别沉迷研究工具,而是在底层创作上多加操练?
7. 我对被取代恐惧,对 AI 变得更黑箱也害怕
继文字(GPT 系列)以及画像(DALL·E)后,OpenAI 这次又在视频赛道“遥遥领先”……但这家将 AI 安全奉为初心的公司,在技术公开上却越来越不 open 了,有人戏称其为“ClosedAI”。
这次 Sora 发布,OpenAI 现任 CEO Sam Altman 在 X 上“在线接单”,帮网友生成视频,结果有人给了这样的提示词,guess what,Sam 拉黑了他。
8. 以后真分不清现实和 AI 生成了吗?
眼下有人让 Gemini 1.5 观看并分析以下这个 Sora 生成视频,Gemini 指出:
Sora 生成
樱花一般在春天开放,那时不下雪;
雪下得太均匀了;
虽然是下雪天,但人穿得很单薄。
于是,AI 判定这个不是真实影像。还得用魔法打败魔法啊!
9. 为什么就 OpenAI 做出来了?
因为 OpenAI 有 GPT 和 DALL·E 的成功经验,在以往的技术范式之上,他们做出了新东西:不仅可以理解用户在提示中提出的要求,还能理解它们在物理世界中的存在方式。
生成视频效果如此好,也因为 Sora 能更好地理解用户给的提示词,OpenAI 是怎么做的呢?根据官方的说法,他们利用 DALL·E 3 的 re-captioning 功能,给训练用的视频素材都加上了高质量文本描述,表示这样可以提高输出视频的整体质量。另外,你给的简短描述词,AI 收到后会进一步扩写,再交由 Sora 生成。
更重要的是,Sora 是一个 Diffusion Transformer,Transformers 被证明可以在语言建模、计算机视觉和图像生成等都能有极好性能。
10. 视频模型的训练很烧算力吧,OpenAI 耗得起吗?
大概一周前,Sam Altman 宣布 OpenAI 启动“造芯”计划,因为目前 OpenAI 每天生成约 1000 亿个单词,需要大量的 GPU(图形处理器)芯片进行训练计算。
他希望筹得 7 万亿美元。
Unsplash
这个天文数字,不仅相当于全球 GDP 的 10%,等同于 2.5 个微软、3.75 个谷歌、4 个英伟达、7 个 Meta,以及 11.5 个特斯拉的市值。
整理:malt
编辑:卧虫
联系客服