OpenAI最新力作Sora模型，是否代表着ai时代的彻底来临？

chatgpt2024-05-09 13:31:48262

先做个广告：如需代充值GP4会员及购买GPT帐号，请添加站长客服微信：gptchongzhi

2.15日，openAI的视频生成模型sora正式亮相。在人工智能的波澜壮阔画卷中，Sora的问世不仅仅是一次技术革命，更是对人类感知界限的一次挑战。这一先进的大规模生成模型，专为视频内容创作而设计，能够制作出高保真度、多样化的视频，最长可达一分钟。

推荐使用ChatGPT中文版，国内可直接访问：https://ai.p6p6.cn

jim fan推文及翻译

一段60s的展示视频，支持自定义分辨率，前后连贯甚至一镜到底，在不细看挑瑕疵的情况下可以说很难分辨出是否由人类创作。一只在窗台上跳跃的狗，一位在“繁华都市”漫步的女士，被主人带出来在“雪地公园”散步的可爱小狗，在“某个海洋”底处惬意游泳的玳瑁海归，在“教堂和宫殿的结合体建筑”里冲浪的人，飞驰的汽车，旋转的“微缩圣诞夜小镇模具”......

其展示的视频数量惊人，各种想象天马行空，从现实到梦幻，但人们除了被荒诞的构思拽入现实，其他时间都难以自拔，因为这实在是太像人类制作的视频了，随手拍摄的潜水视频、游山玩水拍摄的景色、宠物主的萌宠日常、艺术家的艺术创作时刻等等等等，其中也不乏能够通过pr、ae等视觉设计软件实现的效果，比如那朵sora云和那个神似奥利奥《点亮雪镇》圣诞动画的小镇模具。

毫不夸张的说，sora模型的技术迭代，最终会让不少人失去其原本的工作。虽然这句话似曾相识，出现在gpt爆火的时间段，但sora凭借其遥遥领先的ai模型训练水准，让这句话离现实又更近了一步。

人类对未来的幻想无不离开科技和机器人，在工业化连上互联网走向物联网的那一刻，实际上就已经在敲响机械代替人类的钟了。

好消息是，目前的sora模型仍然不够成熟，其能够做到的更多是视频的连贯以及对输入语句的理解，在实现复杂物理模拟以及前后逻辑上还基本上处于初步阶段——无法被风吹动的蜡烛，悬浮在空中的椅子，在被遮挡后消失的人类......这是因为视频中不仅包含视觉信息，还涉及复杂的物理交互和逻辑关系。

Sora在处理这些细节上仍然面临挑战，这反映出尽管AI技术迅猛发展，但在完全达到人类级别的创作复杂度和细腻度方面，仍有一段路要走。

同时其短时间内无法使用，官方通知是仍然需要几个月时间，在此期间仅对艺术创作者和受邀嘉宾开放。

诚然其出现代表着ai视频的极快发展，顺手给予了一批着重ai视频的公司一个重击（不仅仅在连贯的画面上，还有其领先同行的60s时长），但是仅注重视频而不注重物理逻辑，是很难在短时间内对人类社会和工业造成巨大影响的。

yann lecun推文及翻译

Sora代表了生成模型在视频领域的一个重大突破，但它的成功并非偶然。它是基于深度学习技术，尤其是变压器和扩散模型，通过对大量视频和图像数据的学习，Sora能够理解复杂的文本提示，并将这些提示转换成动态的视频内容。

其核心技术涉及将视频和图像转换为补丁，通过视频压缩网络降低维度，然后利用时空潜在补丁在这个压缩的潜在空间中进行训练和生成，展现出对视频内容的高度控制能力和创造力。

实现逻辑可以看：https://www.bilibili.com/video/BV1AW421K7Ut/?spm_id_from=333.337.search-card.all.click&vd_source=eb3a66682dfd175417f353d2f9632cbd

Sora的出现无疑是人工智能领域的一大里程碑，但它只是开始。展望未来，随着技术的不断进步和深入研究，我们可以预见到AI在更多领域实现突破。

在Sora之后，下一个AI技术的革命可能发生在情感智能——一个能够理解和模拟人类情感反应的AI系统。这种系统不仅能在内容创作中加入情感层次，还能在心理咨询、教育、客户服务等领域实现深度个性化服务，为人类社会带来更加细腻丰富的互动体验。

然而，这种技术进步同时也会带来新的挑战，包括情感隐私保护、人机关系的伦理界定以及人类自我认知的变革等。正如Sora所示，每一次技术突破都不仅是对旧有界限的冲破，更是对未来可能的一次探索。在这一探索过程中，我们不仅见证了AI技术的力量，更需要思考如何在这股力量引领下，构建一个更加和谐、可持续发展的未来。

Sora以其震撼人心的视频生成能力，让我们对AI的未来充满期待，同时也提醒我们要准备好迎接未知的挑战。在这一过程中，人类的创造力、伦理观念和适应能力将被不断考验，但也正是这些考验，推动我们不断进步，向着更加美好的未来前进。