简介

北京时间16日凌晨，全球人工智能模型领跑者OpenAI推出了一款能根据文字指令即时生成短视频的模型，命名为Sora。此前在2023年轰轰烈烈的多模态AI模型竞赛中，谷歌、Meta和初创公司Runway、PikaLabs都发布过类似的模型。但本次OpenAI展示的视频仍然以高质量获得关注。

模型能力

• 能够从文本说明中生成长达60秒的视频。
• 能够提供具有多个角色，特定类型的动作和详细的背景细节的场景。
• 能够在一个生成的视频中创建多个镜头，体现人物和视觉风格。
• 能够一次性生成整个视频，也可以扩展生成的视频，使其更长。

突破性技术

OpenAI表示，通过让模型一次生成多帧画面，解决了以下挑战性问题：

• 即使生成的主体暂时离开视线内，也能确保主体不变。

模型弱点

该模型可能难以准确模拟复杂场景中的物理现象，也可能无法理解具体的因果关系。例如：

• 一个人可能会咬一口饼干，但咬过之后，饼干上可能就没有咬痕了。
• 该模型可能混淆提示的空间细节，例如混淆左和右，并可能难以准确描述随时间发生的事件，例如跟随特定的摄像机轨迹。

安全问题

关于OpenAI的CEO山姆·奥特曼一直呼吁的AI安全问题，OpenAI表示：

• 目前，Sora已经开放向“红队人员”（对AI大模型潜在的有害输出进行红队测试）以评估关键领域的危害或风险。
• 我们还允许一些视觉艺术家、设计师和电影制作人访问，以获得关于如何改进模型的反馈意见，使其对创意专业人士最有帮助。

视频效果

OpenAI表示，Sora建立在过去对DALL-E和GPT模型的研究基础之上。它采用了DALL·E3的技术，能够在生成的视频中更忠实地遵循用户的文字说明。

除了能够文生视频外，该模型还能根据现有的静态图像生成视频，并能准确、细致地对图像内容进行动画处理。该模型还能提取现有视频，并对其进行扩展或填充缺失的帧。

目前OpenAI官网上已经更新了48个Sora生成的视频demo，色彩艳丽，效果逼真。

示范案例

CEO在线接单

Sora公布后，OpenAI CEO山姆·奥特曼请社交媒体用户在线发送文字提示的创意内容。一位来自新罕布什尔州的自由摄影师在推特上给出的提示：

由一位祖母级社交媒体博主进行的自制意式团子烹饪指导课，场景设置在乡村风格的托斯卡纳乡下厨房，并配有电影级灯光。

奥特曼在约一小时后回复了一个逼真的视频。

业界观点

东吴证券观点此前表示，近年来视觉算法在泛化性、可提示性、生成效率和可控性上取得突破，视频生成效果快速提升。Sora的推出标志着AI视频生成技术迈出了重要一步。

童年回忆,你最喜欢看的动画片有.......

大闹天宫

1．解释：①少________②逸________③殊量________④纳________⑤既_________⑥

没将原文贴出，不免望文生义了！

①少：年轻或缺少②逸：舒适或闲适③殊量：非凡的器量④纳：接受或吸取，⑤既：既然