关于OpenAI发布Sora全网在热议什么？快速了解Sora技术

chatgpt2024-05-30 01:13:22270

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

OpenAI在2024年2月16日发布的首个文本生成视频模型Sora，正好赶在春节假期的最后几天，互联网人还没开始上班就已经在全网引起了热议。可能很多人不知道Sora还未开放使用，目前只是官方放出的一批样片就让网友激动不已。

推荐使用ChatGPT中文版，国内可直接访问：https://ai.gpt86.top

｜引起热议的原因主要有两点：

超出预期的效果：Sora生成视频的效果太好了，完全达到了以假乱真的程度，远远超出了人们对AI生成视频效果的预期。这点后面再具体讲。

单点突破到全面领先：另外，最重要的一点是这标志着OpenAI从文本生成的单方面技术优势，开始向图片和视频生成技术深入拓展，从而实现各领域全方位的技术领先。

在此之前，OpenAI的DALL·E模型的图片生成效果还不如Midjourney和Stable Diffusion，很多人猜测OpenAI在技术上可能存在短板，从而认为小公司、小团队在一些领域仍有机会突破。

Pika和Runway两个创业公司更是在OpenAI之前推出视频生成功能，虽然生成的AI视频长度只有3-6s，已经激发了人们对未来前景的广泛期待，并获得了较高的市场估值。Pika凭借仅4个人成立只有半年的团队融资5500万美元，估值超估值2 亿美元；而Runway则刚完成1.41亿美元的C+轮融资，估值达到15亿美元。

OpenAI突然发布的Sora模型生成视频的时长一上来就是60s，并且从视频画面、故事情节、物理真实等方面与Pika和Runway拉开巨大差距。Sora模型之所以能够迅速引发广泛关注和讨论，不仅是OpenAI在视频生成领域的技术突破，还引起了人们对OpenAI隐藏有更多重磅技术的猜测，标志着AI技术发展的新方向和潜力的释放，让更多的人认识到AI未来的无限可能。

下面再回头快速了解下Sora技术，OpenAI官方对Sora的介绍：Sora是一个AI模型，可以从文本指令中创建逼真和富有想象力的场景。

OpenAI正在教人工智能理解和模拟运动中的物理世界，目标是训练模型，帮助人们解决与现实世界交互的问题。

｜Sora模型的技术优势：

1.视频时长：Sora能够根据用户提供的文本描述生成长达一分钟的视频，保持视觉质量的同时完整准确还原用户提示词要求。

2.复杂场景：Sora 能够生成具有多个角色、特定类型的运动以及主体和背景的准确细节的复杂场景。该模型不仅了解用户在文本提示的要求，还了解这些东西在物理世界中的存在方式。

3.多镜头表现：Sora 还可以在单个生成的视频中创建多个镜头，准确地保留角色和视觉风格的一致性。

4.物理模拟与交互：Sora能够理解和模拟真实物理世界的运动，如物体的移动和相互作用，这将是实现AGI的重要里程碑。

｜Sora 模型的缺陷弱点：

1.无法模拟复杂物理原理：在模拟复杂场景的物理现象方面存在一定的困难，有时无法准确模拟现实世界中的物理规律，例如：玻璃破碎。

2.因果关系理解有限：物体交互时不能正确改变状态，例如：篮球穿过篮筐后爆炸。

3.其它缺陷：可能会混淆提示的空间细节，例如混淆左右；并且可能难以精确描述随着时间推移发生的事件，例如：物体会突然出现或消失。

｜Sora对未来的影响

微博上看到周鸿祎的观点比较乐观，技术发展会给用户更好的体验。一开始我也是这么认为的，但是想到当OpenAI发展出更完备的AI能力，巨头公司和平台可以直接用ChatGPT生成文本描述，再让Sora生成吸引用户的视频。这就好比“抖音”实现了内容自生产，以后平台生成的短视频都刷不完，人还能做什么，难道都沉迷在AI制造的虚拟世界吗？

放长远看AI和人工的竞争不可避免，人的机会和优势在哪里？如何不被AI替代是个必须重视且认真思考的话题。