星级打分
平均分:0 参与人数:0 我的评分:未评
今年春节期间,OpenAI 发布了文生视频 AI 模型 Sora,瞬间引爆全球网络。
7 X; `( g; h6 Y, [; k) K
( R& C, I b' G( t
. \2 i* |8 ~; y这一大模型引来马斯克点评“人类认赌服输”;令周鸿祎预言:“这可能给广告业、电影预告片、短视频行业带来巨大颠覆。”“Sora生成视频堪比CG。”
1 r& w* M# G( W+ {" E4 U) W: \3 L# o l# A' ` C! N D
文生视频的AI模型实际早已存在,Sora牛在哪里?答案是,它的语义理解能力更强。
5 i2 X3 r, U L" s2 Z3 g Q. d# ]; l0 P) q! ?
首先,Sora 能创建出逼真且富有想象力的 60 秒视频;
P' P3 d% B: F/ U$ U$ ^
2 k( B0 W2 e/ K2 r在这些视频中包含精细复杂的场景、富有情感的角色表情以及复杂的多角度镜头。
3 q+ y# U4 i/ z" H* `5 P$ Q* ]" h g* k% o3 X
OpenAI 官网展现了多段 Sora 制作的视频。
0 r' u, X9 d0 C( y6 v/ j' ?0 a( \; V* Q, @
其中一个场景为,身着黑色皮衣、红色裙子的女性在雨后的夜晚行走在东京市区街道上。视频背景中,她身后的行人也在走动。而由于下过雨,路面留下积水,在城市彩色灯光的照射下形成镜面效果。
$ u: `5 V! y5 t/ j$ q; T8 t- |* a# h1 ^* l
最震撼的是视频后半段呈现的面部细节,这位女性的皮肤毛孔色沉清晰可见,如此逼真的视频令人很难一眼判断是出自 AI 之手。
; y9 ^. m4 G8 x9 t5 H- {/ s% R
6 W0 F; [, \8 d/ [1 m) K在一段提示词为“一窝金毛猎犬在雪地里玩耍。它们的头从雪地里蹦出来,浑身都是雪”的视频中,甚至可以看到一粒粒的雪粒。
! z. T2 i4 ]* p8 d l# u& l0 S X5 o7 K3 h8 _$ p- z
其次,Sora 能通过现有的静态图像生成视频;
9 s0 k# a. |2 n9 V3 q5 U4 V4 M% J% B
( f( I# T0 f! L再者,Sora 能延长已生成的视频;
+ w- P2 ~) N8 }3 R9 q
v3 b+ y. ~; c: l通俗来讲,给 Sora 一段视频,它可以自动进行扩展、填充缺失内容。
- Z- e y/ E+ p6 y, |
9 K3 H4 H& K! r2 V- R更厉害的是,Sora 可以一次性生成不同机位、不同景别视角的视频,并进行剪辑、自动拼接。
6 v8 G3 J8 h* A- R+ Q, z. c, C+ T8 F: _" p
比如,这组图片展示了人们在下雪天漫步、玩雪的多个角度。可见在不同的机位下,无论是广角、中景、近景、特写,视频中人物和背景的关系都一致。
F" U! f7 \! ~* C& h8 c e4 E" ?" @+ _" u8 p
也就是说,仅需要提供一段文字,Sora 模型就可以生成一段长达一分钟的 1080p 视频,且包含不同景别镜头。其逼真程度令人难以置信,很难想象这种级别的生成是通过单次输入的提示词完成的。
m8 V" V) }1 ^6 @) L1 [* {; v, z7 K
在官网上已经更新的多个视频实例中,Sora 能够准确呈现视频细节,还能深刻理解物体在现实世界中的存在状态,并生成具有丰富情感的角色。
0 P. C! A3 g* ^
0 F2 W6 w; J; r+ `
当然,目前的 Sora 模型依然存在缺陷,比如它可能难以精准模拟复杂场景的物理状况,也能无法理解一些特定的因果和时间联系等。
; a2 o. M: y% o: g& q" B* s8 G# r2 Z
举个例子,视频中的人物可能会咬一口饼干,但饼干上却看不到明显的咬痕。当然这并不妨碍它成为目前功能最强大的 AI 工具。
7 _* W: H6 h. ~5 n. O$ f7 d
+ t) u8 n- u6 `% b$ h
Sora 为什么这么牛?
9 G! z! i7 p& j$ ?# R) w) z9 g0 X* \1 Q }5 E/ Q x
据悉,Sora 的工作原理结合了扩散模型和 Transformer 架构。扩散模型基于不同时长、分辨率和宽高比的视频和图像训练得来,它从类似于静态噪声的视频开始,通过多个步骤逐渐去除噪声,生成具有多个角色、特定运动类型的复杂场景。而Transformer 架构则负责处理连续的视频帧,确保视频中的动作流畅自然。
8 I8 a: F/ T% I: m' F- b0 @
+ r% y8 u& T. C* n @同时,在基于过去对 DALL·E 和 GPT 的研究基础构建上还利用了 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。
' O1 S0 I4 O6 C) J0 W1 h/ u
; h9 A/ m; v6 A* cSora 火爆问世,投机者也盯上了这块“蛋糕”。
3 w, R8 z1 n! ]# R2 A4 ]
/ i; Y% ` r% r7 a$ s, h* A
据报道,在多个电商、社交平台搜索发现,市面上不乏有 Sora 的“教程”“解读”,售价在几元至近百元甚至万元不等。
1 N5 E, |4 {' ]3 l
/ q: R( D8 c* |6 @$ r
所谓的“教程”,要么是在网上能找到的公开资料,比如 Sora 的介绍、生成的视频以及来自其他自媒体的解读文章;要么是分享普通人如何利用 Sora 赚钱,包括售卖 Sora 账号和邀请码、使用 Sora 生产视频做自媒体、制作 Sora 使用教程知识付费、做套壳网站等。至于 Sora 实操干货是没有的,你想为知识付费,但没有知识,全是付费。售卖“教程”的卖课人员可能不懂 AI,但是懂得如何利用 AI 捞金。
8 ~9 g% K" E6 w/ K. S0 f
1 B* s( S) U3 C2 S8 }1 C9 y2 s部分售卖“教程”的人表示拥有“Sora内测资格”,实际上是要用户以“红队测试”的专家(网络实战攻防演练中的攻击方)身份在 OpenAI 官网进行内测申请。
" D& t& s h5 Z; I: f6 q$ q
: r+ m9 X' v9 u3 N p# j# b6 E6 V
但需要注意的是,目前 Sora 暂未对外开放测试权限。
# E- |0 o3 F) `" e; u
+ K; k/ O# Q' u
OpenAI 官网显示,“红队”专家可以使用 Sora 评估关键领域的危害或风险。同时还允许一些视觉艺术家、设计师和电影制片人访问 Sora,以获得反馈意见,了解如何改进模型。但 OpenAI 官网显示,本阶段申请已于 2023 年 12 月 1 日截止。
& s3 j% A: l$ o2 N4 g4 K$ F
* |4 E; T u" g- F$ z
OpenAI 的开发者也提醒,目前尚未推出对 Sora 的访问,大家看到的谈论或提供访问权限的帖子很可能是骗局。
' b0 R8 u+ g: B% l# q
; e" ]- m- t4 V# g2 D2 l在此提醒大家,Sora 官方并未公布公测时间,任何人跟你说TA用上了 Sora,可以付费教你使用 Sora 生成视频的,都是骗子。
" o, j3 d/ s" N* k2 y& Z. Y1 s: j1 ?# |' }6 i& u