OpenAI引领创新，首个视频生成模型震撼发布！

作者 | Tina、褚杏娟

2 月 16 日，OpenAI 在其官网发布文生视频模型 Sora。据介绍，该模型可以生成长达一分钟的视频，同时保持视觉品质并遵循用户提示。

Sora 在日语中意为天空，该技术背后的团队包括 Tim Brooks 和 Bill Peebles，之所以选择这个名字，是希望它能激起无限的创造潜力。

OpenAI 给出了不少令人印象深刻的例子：在龙年春节里的舞龙活动，人山人海的场景真假难辨，甚至还有群众拿着手机跟拍的细节；动物世界中，站在树上、戴着王冠的猴子等；在社交媒体上教大家做曲奇的老奶奶；戴着耳机听音乐的两只金毛狗.....

有网友评论说，AI 能根据文字生成图片的时候，他就在想离生成视频的日期不远了，没想到这么快！“又有一波‘固执的’从业者和艺术家们要失业了，从业者门槛进一步拉低！YouTube/TikTok 等一众长视频或短视频网站估计要迎来一波新的流量。”

一些 YouTube 网红确实开始担心，MrBeast 发帖半开玩笑地求奥特曼不要让他失业。

有投资者则发表评论说，他们早就认为“内容生成干不过大公司，初创公司要做产品和应用……”他们一直认为 Pika 应该转型……

而 OpenAI 员工 will depue 则表示，他们过去两个月一直忙于此事，目前 Sora 还处于早期宣传阶段。根据 OpenAI 随后发布的论文来看，这个模型的能力确实已经超出了 OpenAI 最初所宣传的。

这篇论文揭示了 Sora 架构的一些关键方面，比如它可以生成任意分辨率和宽高比的视频（最高 1080p）。根据论文，Sora 能够执行各种图像和视频编辑任务，比如创建循环视频、延长视频时长或更改现有视频的背景。

将 DALL·E 2 或 DALL·E 3 生成的图片转为视频

然而，最令人感兴趣的是 Sora“模拟数字世界”的能力。它不仅仅是生成单个照片或视频，而是确定环境中每个对象的物理特性，并根据这些计算渲染照片或视频（或交互式 3D 世界，视情况而定）。正如 Nvidia 高级研究员 Jim Fan 所评论的那样，Sora 更像是一个“数据驱动的物理引擎”，而不是一个创意引擎。

对于 Sora 目前存在的弱点，OpenAI 也不避讳：模型在准确模拟复杂场景的物理特性方面可能会遇到困难，也可能无法理解具体的因果关系实例。

例如“五只灰狼幼崽在一条偏僻的碎石路上互相嬉戏、追逐”，狼的数量会变化，一些凭空出现或消失。

现在，Sora 正面向部分成员开放，以评估关键领域的潜在危害或风险。

原文链接：https://www.infoq.cn/article/u3USgtmYw11CHkZRh7EO