很可惜 T 。T 您現(xiàn)在還不是作者身份，不能自主發(fā)稿哦～
如有投稿需求，請把文章發(fā)送到郵箱tougao@appcpx.com，一經(jīng)錄用會有專人和您聯(lián)系
咨詢?nèi)绾纬蔀榇河鹱髡哒埪?lián)系：鳥哥筆記小羽毛（ngbjxym）
來源：首席商業(yè)評論
繼ChatGPT成為全世界的焦點后，OpenAI再一次引爆了科技圈。
北京時間2月16日凌晨2點左右，美國OpenAI公司正式發(fā)布其首個文本－視頻生成模型Sora。據(jù)報道，Sora能夠根據(jù)文本提示創(chuàng)建詳細的視頻、擴展現(xiàn)有視頻中的敘述以及從靜態(tài)圖像生成場景。
相較于文生圖來說，文生視頻難度更高，在數(shù)據(jù)質(zhì)量、算力以及多融合技術(shù)的復(fù)雜性上都有諸多需要突破的關(guān)卡，所以一直以來文生視頻的發(fā)展并不算順利。
沒想到OpenAI一出手就是王炸，Sora的實力可以說是藐視同行的存在。Sora 在日語中是“天空”的意思，引申含義還有“自由”，這不禁讓我們想到馬斯克“我們的目標(biāo)是星辰大海”的豪情壯志。
OpenAI也強調(diào)“Sora是能夠理解和模擬現(xiàn)實世界的模型的基礎(chǔ)，我們相信這一功能將成為實現(xiàn)通用人工智能（AGI）的重要里程碑。”
同行們紛紛對Sora發(fā)出贊嘆：馬斯克「人類愿賭服輸」，Runway聯(lián)合創(chuàng)始人「game on」的感慨，360董事長周鴻祎作出“Sora意味著AGI實現(xiàn)將從10年縮短到1年”的預(yù)判，前阿里總裁賈揚清也評價道「非常?！?hellip;…
業(yè)界更是吹爆它“炸裂”“史詩級”“現(xiàn)實不存在了”……
那么，Sora為什么能獨樹一幟？Sora崛起將改變哪些行業(yè)？作為視頻內(nèi)容生產(chǎn)者，又該如何應(yīng)對這場技術(shù)“大考”呢？
Sora模型是一個文生視頻產(chǎn)品，通過簡短或詳細的提示詞描述，或一張靜態(tài)圖片，Sora就能生成類似電影的逼真場景，涵蓋多個角色、不同類型動作和背景細節(jié)等。
簡單理解就是，只要輸入一句話，AI就會根據(jù)你的描述，生成一段視頻。
在Sora一口氣發(fā)布的48個演示視頻中，隨便挑兩個讓大家感受一下Sora的實力。
比如，AI想象中的龍年春節(jié)，紅旗招展人山人海。有不少兒童好奇抬頭觀望舞龍隊伍，也有不少人掏出手機邊跟邊拍，海量人物角色各有各的行為。
再比如，一位時尚女性穿著黑色皮夾克、紅色長裙和黑色靴子走在東京街道上，她戴著太陽鏡，涂著紅色口紅，拎著黑色錢包，走路自信又隨意。而剛下過雨的東京街道潮濕且反光，在彩色燈光的照射下形成鏡面效果，細節(jié)超贊。
相比Runway、Pika等市面上現(xiàn)有的AI視頻模型，Sora展示出了遠超預(yù)期的能力，主要表現(xiàn)在這三點上。
第一，是視頻長度的巨大提升，像Runway、Pika這些AI視頻模型僅能生成不足10秒，而Sora的視頻生成長度突破到了60秒。第二，是視頻內(nèi)容更加穩(wěn)定。相比于其他AI視頻模型鏡頭視角單一、內(nèi)容高度失真，Sora的視頻能實現(xiàn)單視頻的多角度鏡頭切換，最大限度還原現(xiàn)實世界的真實場景，保持了合理的連貫性。
是深刻的語言理解能力，Sora能夠深層次識別用戶的指令，從而在生成的視頻中呈現(xiàn)出豐富的表情和生動的情感，還表現(xiàn)出對物理世界部分規(guī)律的理解。
總之，Sora解決了過去AI視頻被詬病的很多問題，它能形成更清晰的生成畫面、更逼真的生成效果、更準(zhǔn)確的理解能力、更順暢的邏輯理解能力、更穩(wěn)定和一致性的生成結(jié)果等等，目前，Sora已經(jīng)成為最強的AI視頻生成類模型。
而從技術(shù)層面來說，Sora之所以能夠碾壓同行，在于它采取了一個新的架構(gòu)——Diffusion transformer模型。與Runway、Pika等主流AI視頻聚焦于擴散模型不同，Sora這個模型融合了擴散模型與自回歸模型的雙重特性。
在這個新模型架構(gòu)中，OpenAI沿用了此前大語言模型的思路，提出了一種用Patch（視覺補丁）作為視頻數(shù)據(jù)來訓(xùn)練視頻模型的方式。
簡單理解，就是將視頻和圖片切成很多小塊（這些小塊就是Patch），OpenAI通過這種方式將視頻壓縮到一個低維空間，再用擴散模型模擬物理過程中的擴散現(xiàn)象來生成內(nèi)容數(shù)據(jù)，生成的視頻一開始看起來像靜態(tài)噪音，然后通過多個步驟去除噪音，逐步轉(zhuǎn)換視頻。
不得不說，從文字（ChatGPT）到圖片（DALL·E ）再到視頻（Sora），OpenAI團隊就好像沒有能力天花板一樣。
Sora以碾壓式的優(yōu)勢勝出后，資本端同時傳來好消息。在完成最新交易后，OpenAI的估值已飆升至800億美元以上。紐約時報報道也稱，現(xiàn)在OpenAI的估值或達到約800億美元。
如果說2023年還是AI圖文生成元年的話，那么今年OpenAI將推動行業(yè)進入AI視頻生成元年。
事實上，在Sora發(fā)布前，探索AI視頻模型的公司并不少，根據(jù)知名投資機構(gòu)a16z此前的統(tǒng)計，截至2024年底，市場上共有21個公開的AI視頻模型，包括大眾熟知的Runway、Pika、Genmo以及Stable Video Diffusion等等。
以Runway為例，在2023年6月底完成由Google、Nvidia、Salesforce參與的C輪融資后，估值超過15億美元。
但在Sora發(fā)布前，幾乎所有的 AI 視頻生成公司都陷入了同質(zhì)化競爭，他們希望AI應(yīng)用率先垂直落地到影視和廣告場景，所以過多關(guān)注更高畫質(zhì)、更高成功率、更低成本，并且他們將能生成15秒視頻作為一個里程碑。而Sora將眼光看向了更大時長的世界模型，這也是Sora成功的秘訣。
在OpenAI公布的Sora技術(shù)報告里談道：“我們相信Sora今天展現(xiàn)出來的能力，證明了視頻模型的持續(xù)擴展（Scaling）是開發(fā)物理和數(shù)字世界（包含了生活在其中的物體、動物和人）模擬器的一條有希望的路。”
換言之，OpenAI更愿意把Sora 視為理解和模擬現(xiàn)實世界的模型基礎(chǔ)，而不是AI應(yīng)用落地的場景。這意味著，相比其他玩家，OpenAI的思維永遠更進一步。
面對Sora的降維打擊，AI視頻領(lǐng)域的創(chuàng)業(yè)者紛紛開啟了追趕模式。比如Runway已經(jīng)做好了“Game On”的準(zhǔn)備；Pika創(chuàng)始人郭文景一樣，開始籌備對標(biāo)Sora的新產(chǎn)品……
而幾乎是同一天，谷歌也發(fā)布了自家的最新大模型 Gemini 1.5。據(jù)介紹，Gemini 1.5的上下文窗口高達100萬個tokens，可以一次處理大量的信息——如1小時的視頻、11小時的音頻、3萬多行的代碼等。
谷歌稱，Gemini 1.5 Pro性能水平與谷歌迄今為止最大的模型1.0 Ultra 類似，并引入了長上下文理解方面的突破性實驗特征，性能、文本長度均超越了GPT-4 Turbo。
Meta也不甘示弱，在近日公布了一種視頻聯(lián)合嵌入預(yù)測架構(gòu)技術(shù)V-JEPA。據(jù)報道，這是一種通過觀看視頻教會機器理解和模擬物理世界的方法，V-JEPA可以通過自己觀看視頻來學(xué)習(xí)，而不需要人類監(jiān)督，也不需要對視頻數(shù)據(jù)集進行標(biāo)記，甚至根據(jù)一張靜止圖片來生成一個動態(tài)的視頻。
與其他模型相比，V-JEPA的靈活性使其在訓(xùn)練和樣本效率上實現(xiàn)了1.5到6倍的提升。跑分方面，V-JEPA在Kinetics-400達到了82.0%的準(zhǔn)確率，高于同行。
目前來看，國際上頭部科技巨頭基本已入局，大致可以分為“科技巨頭+創(chuàng)業(yè)派+專業(yè)派”的組合，科技巨頭以谷歌、Meta為代表，專業(yè)派以Adobe此類面向?qū)I(yè)級用戶的老牌軟件巨頭為代表，創(chuàng)業(yè)派以Runway、Pika為代表。
而國內(nèi)目前的競爭格局還尚不清晰，目前大廠正在積極押注視頻生成，比如字節(jié)跳動的文生視頻模型MagicVideo-V2、阿達摩院的Zeroscope等。只能說，國內(nèi)大廠也很忙，大語言模型大戰(zhàn)才剛打響不久，現(xiàn)在又開始準(zhǔn)備卷下一場戰(zhàn)役。
但AI視頻生成確實是一個頗具前景的創(chuàng)業(yè)賽道。目前來看，Midjourney估值100億美元，Stability AI估值40億美元，Runway估值15億美元，就連成立時間不足一年的新貴Pika的估值已經(jīng)達到2.5億美元。
那么Sora的崛起，會影響哪些行業(yè)呢？
首當(dāng)其沖的是傳統(tǒng)影視行業(yè)。不少導(dǎo)演都說，影視行業(yè)“要變天了”。畢竟Sora能夠生成長達60秒的視頻，包括精細復(fù)雜的場景、生動的角色表情以及復(fù)雜的鏡頭運動。
而以往需要大量時間和資源來制作的特效和場景，現(xiàn)在可能只需要輸入一些文字描述，Sora就能夠自動生成這些高質(zhì)量畫面，這能夠大大減少影視制作的預(yù)算，從前大幾百萬的影視制作現(xiàn)在或許只要十分之一，同時也能夠代替一些不重要的職位，比如群演、燈光布置。
與此同時，還會有一個趨勢，就是影視作品的門檻會急劇降低。對于一個年輕人來說，只要他腦海里有一個好故事，就能夠依靠AI視頻技術(shù)低成本創(chuàng)作出來。
其次，廣告行業(yè)也能夠被顛覆掉，特別是一些汽車廣告、美食廣告、旅游景點的廣告，這些并不需要復(fù)雜情節(jié)的廣告作品很容易被AI替代掉。
再者，短視頻行業(yè)也會受到不小的沖擊，由于Sora可以生成60秒的視頻，會降低每一個普通人創(chuàng)作視頻的門檻，對于抖音乃至TikTok來說，都會出現(xiàn)不少生成視頻的內(nèi)容。
最后是游戲開發(fā)和新聞媒體行業(yè)。AI可以輔助創(chuàng)造更加復(fù)雜和真實的視覺效果，這使得游戲開發(fā)者能夠更快速、更高效地創(chuàng)建游戲內(nèi)容和場景，同時也可以減少制作成本。
新聞行業(yè)中，Sora可以幫助快速生成新聞報道中所需的視頻素材，尤其是在緊急情況下的現(xiàn)場報道。
當(dāng)行業(yè)紛紛為Sora叫好的同時，萬千視頻生產(chǎn)者心里也難免復(fù)雜，Sora如此強大，科技已經(jīng)如此恐怖，人類還能做什么？
不少網(wǎng)友直呼，工作要丟了，我該怎么辦？
從內(nèi)容創(chuàng)作者的角度來說，Sora帶來的影響也需要辯證看待。
首先看悲觀的方面，秉承著“萬物不為我所有，萬物為我所用”的原則，Sora能夠代替人類完成一些簡單、重復(fù)、追趕時效的工作。比如追逐熱點和比拼速度的能力，人類創(chuàng)作者無論怎么努力也比不過AI。因此，可以預(yù)料到，未來“抓熱點”性質(zhì)的視頻內(nèi)容將會嚴(yán)重過剩，一部分內(nèi)容方將被淘汰出局。
其次看積極的方面，Sora不具備創(chuàng)作者所必需的“靈魂”，不能勝任需要高度邏輯分析能力的深度解讀，不能完全取代人類的專業(yè)技能和創(chuàng)造力。
所以優(yōu)質(zhì)的創(chuàng)作者完全可以與AI達成分工，AI負(fù)責(zé)信息與材料的收集（即重復(fù)勞動），而自己負(fù)責(zé)專業(yè)性的輸出。
另外，Sora的實用價值還值得懷疑，它依然有不小的問題，比如它可能難以準(zhǔn)確模擬復(fù)雜場景的物理原理；可能無法理解因果關(guān)系；還可能混淆提示的空間細節(jié)；可能難以精確描述隨著時間推移發(fā)生的事件，例如遵循特定的相機軌跡等。
其實，在AI 發(fā)展的數(shù)年沉浮之中，有關(guān)AI替代人類的種種爭論從未停止，但“變”是常態(tài)，“不變”才不正常。
借用馬斯克的一句話，“悲觀毫無意義，我寧愿樂觀”。生成視頻的時代已經(jīng)到來，與其擔(dān)驚受怕地度過，不如抓緊人類手中的舵，投身這個AI新浪潮。
參考資料
《OpenAI發(fā)布首個視頻生成模型，1分鐘流暢高清，網(wǎng)友：整個行業(yè)RIP》學(xué)術(shù)頭條
《詳解Sora，為什么是AGI的又一個里程碑時刻？》36kr
OpenAI文生視頻模型Sora官網(wǎng)
本文為作者獨立觀點，不代表鳥哥筆記立場，未經(jīng)允許不得轉(zhuǎn)載。
《鳥哥筆記版權(quán)及免責(zé)申明》 如對文章、圖片、字體等版權(quán)有疑問，請點擊 反饋舉報
我們致力于提供一個高質(zhì)量內(nèi)容的交流平臺。為落實國家互聯(lián)網(wǎng)信息辦公室“依法管網(wǎng)、依法辦網(wǎng)、依法上網(wǎng)”的要求，為完善跟帖評論自律管理，為了保護用戶創(chuàng)造的內(nèi)容、維護開放、真實、專業(yè)的平臺氛圍，我們團隊將依據(jù)本公約中的條款對注冊用戶和發(fā)布在本平臺的內(nèi)容進行管理。平臺鼓勵用戶創(chuàng)作、發(fā)布優(yōu)質(zhì)內(nèi)容，同時也將采取必要措施管理違法、侵權(quán)或有其他不良影響的網(wǎng)絡(luò)信息。
一、根據(jù)《網(wǎng)絡(luò)信息內(nèi)容生態(tài)治理規(guī)定》《中華人民共和國未成年人保護法》等法律法規(guī)，對以下違法、不良信息或存在危害的行為進行處理。
1. 違反法律法規(guī)的信息，主要表現(xiàn)為：
1)反對憲法所確定的基本原則；
2)危害國家安全，泄露國家秘密，顛覆國家政權(quán)，破壞國家統(tǒng)一，損害國家榮譽和利益；
3)侮辱、濫用英烈形象，歪曲、丑化、褻瀆、否定英雄烈士事跡和精神，以侮辱、誹謗或者其他方式侵害英雄烈士的姓名、肖像、名譽、榮譽；
4)宣揚恐怖主義、極端主義或者煽動實施恐怖活動、極端主義活動；
5)煽動民族仇恨、民族歧視，破壞民族團結(jié)；
6)破壞國家宗教政策，宣揚邪教和封建迷信；
7)散布謠言，擾亂社會秩序，破壞社會穩(wěn)定；
8)宣揚淫穢、色情、賭博、暴力、兇殺、恐怖或者教唆犯罪；
9)煽動非法集會、結(jié)社、游行、示威、聚眾擾亂社會秩序；
10)侮辱或者誹謗他人，侵害他人名譽、隱私和其他合法權(quán)益；
11)通過網(wǎng)絡(luò)以文字、圖片、音視頻等形式，對未成年人實施侮辱、誹謗、威脅或者惡意損害未成年人形象進行網(wǎng)絡(luò)欺凌的；
12)危害未成年人身心健康的；
13)含有法律、行政法規(guī)禁止的其他內(nèi)容；
2. 不友善：不尊重用戶及其所貢獻內(nèi)容的信息或行為。主要表現(xiàn)為：
1)輕蔑：貶低、輕視他人及其勞動成果；
2)誹謗：捏造、散布虛假事實，損害他人名譽；
3)嘲諷：以比喻、夸張、侮辱性的手法對他人或其行為進行揭露或描述，以此來激怒他人；
4)挑釁：以不友好的方式激怒他人，意圖使對方對自己的言論作出回應(yīng)，蓄意制造事端；
5)羞辱：貶低他人的能力、行為、生理或身份特征，讓對方難堪；
6)謾罵：以不文明的語言對他人進行負(fù)面評價；
7)歧視：煽動人群歧視、地域歧視等，針對他人的民族、種族、宗教、性取向、性別、年齡、地域、生理特征等身份或者歸類的攻擊；
8)威脅：許諾以不良的后果來迫使他人服從自己的意志；
3. 發(fā)布垃圾廣告信息：以推廣曝光為目的，發(fā)布影響用戶體驗、擾亂本網(wǎng)站秩序的內(nèi)容，或進行相關(guān)行為。主要表現(xiàn)為：
1)多次發(fā)布包含售賣產(chǎn)品、提供服務(wù)、宣傳推廣內(nèi)容的垃圾廣告。包括但不限于以下幾種形式：
2)單個帳號多次發(fā)布包含垃圾廣告的內(nèi)容；
3)多個廣告帳號互相配合發(fā)布、傳播包含垃圾廣告的內(nèi)容；
4)多次發(fā)布包含欺騙性外鏈的內(nèi)容，如未注明的淘寶客鏈接、跳轉(zhuǎn)網(wǎng)站等，誘騙用戶點擊鏈接
5)發(fā)布大量包含推廣鏈接、產(chǎn)品、品牌等內(nèi)容獲取搜索引擎中的不正當(dāng)曝光；
6)購買或出售帳號之間虛假地互動，發(fā)布干擾網(wǎng)站秩序的推廣內(nèi)容及相關(guān)交易。
7)發(fā)布包含欺騙性的惡意營銷內(nèi)容，如通過偽造經(jīng)歷、冒充他人等方式進行惡意營銷；
8)使用特殊符號、圖片等方式規(guī)避垃圾廣告內(nèi)容審核的廣告內(nèi)容。
4. 色情低俗信息，主要表現(xiàn)為：
1)包含自己或他人性經(jīng)驗的細節(jié)描述或露骨的感受描述；
2)涉及色情段子、兩性笑話的低俗內(nèi)容；
3)配圖、頭圖中包含庸俗或挑逗性圖片的內(nèi)容；
4)帶有性暗示、性挑逗等易使人產(chǎn)生性聯(lián)想；
5)展現(xiàn)血腥、驚悚、殘忍等致人身心不適；
6)炒作緋聞、丑聞、劣跡等；
7)宣揚低俗、庸俗、媚俗內(nèi)容。
5. 不實信息，主要表現(xiàn)為：
1)可能存在事實性錯誤或者造謠等內(nèi)容；
2)存在事實夸大、偽造虛假經(jīng)歷等誤導(dǎo)他人的內(nèi)容；
3)偽造身份、冒充他人，通過頭像、用戶名等個人信息暗示自己具有特定身份，或與特定機構(gòu)或個人存在關(guān)聯(lián)。
6. 傳播封建迷信，主要表現(xiàn)為：
1)找人算命、測字、占卜、解夢、化解厄運、使用迷信方式治??；
2)求推薦算命看相大師；
3)針對具體風(fēng)水等問題進行求助或咨詢；
4)問自己或他人的八字、六爻、星盤、手相、面相、五行缺失，包括通過占卜方法問婚姻、前程、運勢，東西寵物丟了能不能找回、取名改名等；
7. 文章標(biāo)題黨，主要表現(xiàn)為：
1)以各種夸張、獵奇、不合常理的表現(xiàn)手法等行為來誘導(dǎo)用戶；
2)內(nèi)容與標(biāo)題之間存在嚴(yán)重不實或者原意扭曲；
3)使用夸張標(biāo)題，內(nèi)容與標(biāo)題嚴(yán)重不符的。
8.「飯圈」亂象行為，主要表現(xiàn)為：
1)誘導(dǎo)未成年人應(yīng)援集資、高額消費、投票打榜
2)粉絲互撕謾罵、拉踩引戰(zhàn)、造謠攻擊、人肉搜索、侵犯隱私
3)鼓動「飯圈」粉絲攀比炫富、奢靡享樂等行為
4)以號召粉絲、雇用網(wǎng)絡(luò)水軍、「養(yǎng)號」形式刷量控評等行為
5)通過「蹭熱點」、制造話題等形式干擾輿論，影響傳播秩序
9. 其他危害行為或內(nèi)容，主要表現(xiàn)為：
1)可能引發(fā)未成年人模仿不安全行為和違反社會公德行為、誘導(dǎo)未成年人不良嗜好影響未成年人身心健康的；
2)不當(dāng)評述自然災(zāi)害、重大事故等災(zāi)難的；
3)美化、粉飾侵略戰(zhàn)爭行為的；
4)法律、行政法規(guī)禁止，或可能對網(wǎng)絡(luò)生態(tài)造成不良影響的其他內(nèi)容。
二、違規(guī)處罰
本網(wǎng)站通過主動發(fā)現(xiàn)和接受用戶舉報兩種方式收集違規(guī)行為信息。所有有意的降低內(nèi)容質(zhì)量、傷害平臺氛圍及欺凌未成年人或危害未成年人身心健康的行為都是不能容忍的。
當(dāng)一個用戶發(fā)布違規(guī)內(nèi)容時，本網(wǎng)站將依據(jù)相關(guān)用戶違規(guī)情節(jié)嚴(yán)重程度，對帳號進行禁言 1 天、7 天、15 天直至永久禁言或封停賬號的處罰。當(dāng)涉及欺凌未成年人、危害未成年人身心健康、通過作弊手段注冊、使用帳號，或者濫用多個帳號發(fā)布違規(guī)內(nèi)容時，本網(wǎng)站將加重處罰。
三、申訴
隨著平臺管理經(jīng)驗的不斷豐富，本網(wǎng)站出于維護本網(wǎng)站氛圍和秩序的目的，將不斷完善本公約。
如果本網(wǎng)站用戶對本網(wǎng)站基于本公約規(guī)定做出的處理有異議，可以通過「建議反饋」功能向本網(wǎng)站進行反饋。
(規(guī)則的最終解釋權(quán)歸屬本網(wǎng)站所有)