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。
, [0 f% e. \4 j4 W- X- X' x/ q. L7 V, E
4 K! I% @- P( |2 l& @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。”
" b5 Q9 @5 M$ v9 r. L$ s
9 p% U+ Q9 Q$ ]0 x! ~ j% W. 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。
, c% q' X" ^$ n
4 G; _0 w' W% T9 p- D首先,Sora 能创建出逼真且富有想象力的 60 秒视频;
# c }+ k# v9 o
5 f( O0 k' @) k5 }5 |) ^6 D- V: m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。
% r* s: E. |" ]& C) O
% w1 K" Z8 `3 `
OpenAI 官网展现了多段 Sora 制作的视频。
% d8 r3 N3 M9 y" P
/ K/ V% c: c& o! F
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。
7 V1 I( {/ v g* I3 h
; P6 S$ C- f2 G
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。
( n" q4 \ |; @6 p" Q
; {2 D; H- _0 p& v' R) ?! Z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。
' g9 [0 O1 v- K! a1 H, k) _
! r f8 \! i2 \! y( D其次,Sora 能通过现有的静态图像生成视频;
5 M3 o' a. {, E' E0 T5 R
/ R M8 l# M4 D! p: X7 Q( b: b再者,Sora 能延长已生成的视频;
1 g) k6 v Q$ e& V$ z$ }. z
, C( g+ {- G& [" N+ P6 F9 s
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。
( K* [4 N j! n+ X/ D" K+ W
/ F, k: S/ F: p; a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 v+ S8 s2 k" u6 F. a' H
b$ v7 K; F' A- M* ~& E7 P2 Z
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。
* Q y* J, D7 G+ L) j, L" t
, u! g4 g2 Y" Y
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。
5 i7 Z8 S8 M0 ]. M
4 Q* W& ~9 j8 e6 H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。
, O" g t9 f; H) o
/ l: i/ C( ^# W3 Z% x! Y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。
" c6 ?' i* }3 b& T* p. F
( b: f: ]5 m c8 R- i2 k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。
* S" \6 [! s( y! P4 J
. e& `4 _- Y1 k' L1 zSora 为什么这么牛?
8 W% a t0 A/ L' u8 n
& O$ s2 i* q9 U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。
7 T6 {; |' @ N) S& z
' L' }* H+ E* k- z$ b' k) 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。
2 V1 X5 J" @ e E
* m8 _" l, e5 N4 \& v# cSora 火爆问世,投机者也盯上了这块“蛋糕”。
0 T5 v1 U! X( A2 W( S5 J5 \2 x
: r+ I* h9 f$ y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。
& ]6 B. g3 @$ g- V$ N) {7 ?
3 |" J8 n+ }: H3 [
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。
' S8 U, r0 y, `- A0 R+ l+ k* r5 V, r- V/ [$ S6 w8 B6 k% U
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。
* v6 r: ~$ Y5 [, s+ X
, n- ], X) |: x: w但需要注意的是,目前 Sora 暂未对外开放测试权限。
) A- i$ C+ E9 W9 A! t, d
5 E$ u: r. y( ?! E
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。
, Y2 L1 a y7 \/ ~0 [. X
; V7 w$ m# ?1 B3 l" _6 EOpenAI 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。
* o& U L5 L$ h9 r$ h
/ t6 Z* c5 P2 Q3 C4 F! F$ h- B% K* ~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。
/ E. M9 v% V" _1 x
( V f+ ~9 i6 m7 B3 v- {5 G7 S- f4 ~