ABSTRACT摘要

2 月 16 日凌晨，也就是中國(guó)大年初七，OpenAI 在 AI 生成視頻領(lǐng)域扔出一枚“王炸”，宣布推出全新的生成式人工智能模型“Sora”。

這家舊金山公司周四推出的該工具使用生成人工智能，根據(jù)書面命令立即創(chuàng)建短視頻。

JAEALOT

2024年2月16日

2 月 16 日凌晨，也就是中國(guó)大年初七，OpenAI 在 AI 生成視頻領(lǐng)域扔出一枚“王炸”，宣布推出全新的生成式人工智能模型“Sora”。

這家舊金山公司周四推出的該工具使用生成人工智能，根據(jù)書面命令立即創(chuàng)建短視頻。

Sora 并不是第一個(gè)展示這種技術(shù)的產(chǎn)品。但行業(yè)分析師指出，該工具迄今為止展示的視頻質(zhì)量很高，并指出它的推出標(biāo)志著 OpenAI 和文本到視頻生成的未來的整體重大飛躍。

盡管如此，與當(dāng)今快速發(fā)展的人工智能領(lǐng)域的所有事物一樣，此類技術(shù)也引發(fā)了人們對(duì)潛在道德和社會(huì)影響的擔(dān)憂。

Sora 是一款文本到視頻生成器 - 使用生成式 AI 根據(jù)書面提示創(chuàng)建長(zhǎng)達(dá) 60 秒的視頻。該模型還可以從現(xiàn)有的靜態(tài)圖像生成視頻。

生成式人工智能是人工智能的一個(gè)分支，可以創(chuàng)造新的東西。示例包括聊天機(jī)器人（如 OpenAI 的 ChatGPT）以及圖像生成器（如 DALL-E 和 Midjourney）。讓人工智能系統(tǒng)生成視頻是更新且更具挑戰(zhàn)性的，但依賴于一些相同的技術(shù)。

OpenAI 在周四（2 月 15 日）的博客文章中表示， Sora可以根據(jù)用戶的文本提示創(chuàng)建長(zhǎng)達(dá)一分鐘的視頻。

OpenAI 在帖子中表示：“我們正在教人工智能理解和模擬運(yùn)動(dòng)中的物理世界，目的是訓(xùn)練模型來幫助人們解決需要現(xiàn)實(shí)世界交互的問題?！?/p>

OpenAI 在帖子中補(bǔ)充道：“Sora 能夠生成具有多個(gè)角色、特定類型的運(yùn)動(dòng)以及主題和背景的準(zhǔn)確細(xì)節(jié)的復(fù)雜場(chǎng)景?！?“該模型不僅了解用戶在提示中提出的要求，還了解這些東西在物理世界中的存在方式?！?/p>

此外，根據(jù)該帖子，生成式人工智能模型可以基于單個(gè)圖像創(chuàng)建視頻，以及擴(kuò)展現(xiàn)有視頻或填充缺失的幀。

Sora 尚未可供公眾使用（OpenAI 表示，在正式發(fā)布該工具之前，它正在與政策制定者和藝術(shù)家進(jìn)行接觸），而且還有很多我們不知道的事情。但自周四宣布以來，該公司已經(jīng)分享了一些 Sora 生成的視頻示例，以展示其功能。

OpenAI 首席執(zhí)行官 Sam Altman 還利用 X（以前稱為Twitter 的平臺(tái)）要求社交媒體用戶及時(shí)發(fā)送想法。后來，他分享了逼真詳細(xì)的視頻，這些視頻響應(yīng)了“兩只金毛獵犬在山頂上播客”和“在海洋上與不同動(dòng)物進(jìn)行自行車比賽，運(yùn)動(dòng)員在無人機(jī)攝像機(jī)視圖下騎自行車”等提示。

雖然 Sora 生成的視頻可以描繪復(fù)雜、極其詳細(xì)的場(chǎng)景，但 OpenAI 指出仍然存在一些弱點(diǎn)，包括一些空間和因果元素。例如，OpenAI 在其網(wǎng)站上補(bǔ)充道，“一個(gè)人可能會(huì)咬一口餅干，但之后，餅干可能沒有咬痕?！?/p>

OpenAI 的 Sora 并不是同類產(chǎn)品中的第一個(gè)。谷歌、Meta 和初創(chuàng)公司 Runway ML 等公司都展示了類似的技術(shù)。