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。
6 n' n0 I \: C) J* ~8 L- \8 @: f/ c4 [$ e y
9 i% h& e- Q6 d3 }+ S* w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。”
6 [. k# E9 Y7 \0 m- ]) k6 r
; V- U* Z- s, o# W- R# D7 `) e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 j3 S o5 n: `5 s! `1 o8 r: Z0 k- Y
首先,Sora 能创建出逼真且富有想象力的 60 秒视频;
M8 R' T; D; L6 D* N5 v- H; A8 P* ?1 J m$ d
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。
% ~( }1 u- }1 p1 [- j
% K0 }% g7 o, p7 Y+ _5 N
OpenAI 官网展现了多段 Sora 制作的视频。
9 L) ]6 L6 m) M$ J. s- I) D( ?; r* \. I" s
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。
9 ?" ? ?4 b4 p+ Y- v$ X q
5 h/ W8 Q6 z. K- r C& Y3 \/ u2 C2 s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。
% M0 y5 j1 V+ y3 @ Y
2 @! k+ C& S6 @+ h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。
# T. G; h: o/ @1 o4 j
$ H2 y z+ u! Z1 r- s: @7 G& ]其次,Sora 能通过现有的静态图像生成视频;
# c; ]9 J n3 _7 X4 a" p' A' X
& @2 _1 V" ]$ B3 O2 Z! y9 Z$ N再者,Sora 能延长已生成的视频;
. T4 A+ p6 _4 h, n( h" o
* ]+ u% `6 o2 F. Z- S) k! [
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。
7 V) {" D3 Q' Y9 Z1 l$ [
2 x3 |2 p* C8 f. n' U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。
* i( a+ \; D: J' ]
. D* E- D0 S6 C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。
# r- k) L! O8 f% }
4 W( J( P# O$ C7 n# s* r
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。
* l P% ], A# G5 p3 ~' @/ N
/ v) e I" n( n: P$ C: r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。
) K1 _. h: J) g: L
; @6 ^6 |" p8 ~ ?, d9 Y" X; _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。
5 K4 m0 ^5 R5 _0 Y
" q9 S/ ~6 `5 L* f8 L! u! t# b
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。
/ M. p! t) d8 W8 L. x n3 t6 z9 M4 o- a0 G9 R
Sora 为什么这么牛?
) g# Q- l+ ~ v5 K4 b7 p* z0 m" [2 {: F, x: O
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。
0 W. ?: I S( M' `; J3 e$ _- J. x
+ f Y9 s: m. K3 U0 M1 Q+ g1 y
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。
$ u; o% U; }( d5 h4 ^
7 h) e, W& z$ n" y4 l
Sora 火爆问世,投机者也盯上了这块“蛋糕”。
' l( I% X) [* R$ t- }) I4 z0 p( w, V$ C
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。
0 P/ J. X0 u" I
+ p7 L- C) F7 r+ e2 E" Z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。
3 m$ h* X; J$ g
0 z S/ N* F/ V: j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。
0 ~9 r5 P/ s" R1 R
& H* g* T5 | c5 y( j: l# W) v但需要注意的是,目前 Sora 暂未对外开放测试权限。
" v* r7 T% P* @+ y, u! b4 v4 i' l
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。
* n1 B2 o/ Z& q3 ?( R7 {' i$ S X8 A0 q1 j, ^1 `+ X
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。
$ J! |9 f! t/ v( U+ {* ]! {0 B% U6 C y% b- p' R7 L- I2 m
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。
9 B @" e1 e3 J" F4 c3 f) V ~
7 x, W) N5 @* ^