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:數(shù)字營銷市場
2月16日凌晨,OpenAI發(fā)布旗下首個文生視頻模型Sora,Sora的推出屬于AI產(chǎn)業(yè)革命上的標桿事件。面對Sora的遙遙領先,中國玩家還有的玩嗎?
時隔一年,在ChatGPT大火之后,Sora再一次演繹了出圈奇跡。對比ChatGPT的文字生成,Sora的文生視頻更直觀,更具爆發(fā)力,給人們帶來的沖擊力更大。
第一個沖擊,視頻生成時長。
Sora憑借其強大的通用視覺數(shù)據(jù)處理,可以生成跨越不同持續(xù)時間、縱橫比和分辨率的圖像視頻,最多可以連續(xù)生成60秒的高清視頻。
在Sora推出之前,最長的例如Kaiber也是只能生成16s的長度,其他的文生視頻長度都是個位數(shù)。如在2023年11月推出的模型中,最新的Pika1.0生成是3-7秒,Stable Video Diffusion模型是2-4秒,李飛飛谷歌團隊W.A.I.T模型是3秒。
Sora的視頻生成時長與競爭對手間是代差的區(qū)別。
我們可以這樣理解Sora的視頻生成時長:在對文字和圖像識別和生成的基礎上,Sora又疊加了時間的維度。這樣AI初步具有了對真實世界物理邏輯關系的理解,這就是為什么業(yè)內(nèi)會認為Sora實現(xiàn)突破性的跨越的主要原因。
第二個沖擊,語義理解。
Sora與ChatGPT都是OpenAI的產(chǎn)品,可以說,Sora在語義理解上具有天然的優(yōu)勢。
Sora借助GTP-4將簡短的用戶提示轉(zhuǎn)換為更長的詳細字幕,然后發(fā)送到視頻模型,有助于Sora更好理解客戶需求。對比之下,Sora的主要對手Runway很難理解詞義上的細微差別,不得不堅持提示中的特定描述而忽略其他描述。二者之間就這樣產(chǎn)生了差距。
此外,基于語義的理解,Sora采用DALL·E3的重標注技術,通過為視覺訓練數(shù)據(jù)生成詳細描述的標題,使模型更加準確地遵循用戶的文本指令生成視頻。在此視覺訓練數(shù)據(jù)的基礎上,Sora還能實現(xiàn)現(xiàn)有圖片賦予動態(tài)效果和延伸視頻內(nèi)容的長度等多種功能。
語義理解加深了人機之間的互動,讓Sora更智能,這是第二個突破。
第三個沖擊,電影級別的鏡頭感。
從發(fā)布的視頻來看,Sora生成視頻場景制作復雜度極高,可以和電影特效一較高下。業(yè)內(nèi)評價:在60秒的視頻中,視頻主體與背景之間高度流暢和穩(wěn)定;在一個視頻里實現(xiàn)多角度鏡頭,分鏡切換符合邏輯且十分流暢;此外,Sora對于光影反射、運動方式、鏡頭移動等細節(jié)處理非常到位。
角色和背景在視覺風格準確一致,行為邏輯流暢合理,這就達到了電影的基本要求。考慮到智能生成和人工拍攝在成本、創(chuàng)意等方面的差距,電影市場驚呼一片也就可以理解了。
很多投資機構大概率不會再投文生視頻類項目了,因為OpenAI太強了。集智魔方創(chuàng)始人徐大大就公開表示,人工智能這一次的熱潮很難留下太多機會,反而可能即將面臨一個“霸權式創(chuàng)業(yè)”的時代。
也就是說,Sora橫空出世之后,其他的文生視頻模型的生存空間將被極度擠壓。
2024年AI視頻生成賽道選手眾多,不僅有美國AI初創(chuàng)公司Pika labs發(fā)布的“Pika 1.0”,還有谷歌推出的AI視頻生成模型“W.A.L.T”等。國內(nèi),字節(jié)跳動于2023年11月推出了文生視頻模型PixelDance,阿里緊隨其后也上線了Animate Anyone模型,百度文心大模型的類似功能則在內(nèi)測中,不久后會以插件形式開放。此外,騰訊、360、萬興科技、昆侖萬維、國脈文化、美圖等公司也紛紛涉足視頻生成領域。
業(yè)內(nèi)人士總結,Sora之前的AI視頻生成有兩種類型:一是由剪輯工具衍生出來的“文生視頻”產(chǎn)品。這類產(chǎn)品并不會根據(jù)文本內(nèi)容原生視頻素材,而是在素材庫內(nèi)進行調(diào)用。二是由多模態(tài)大模型衍生出來的“文生視頻”產(chǎn)品,針對性地原生一部分素材的能力,如郭德綱說英語等。
但Sora不同。
Sora的獨特建立在對Patchs、Transformers、DALL·E3等技術的創(chuàng)新上。通過patchs統(tǒng)一視頻數(shù)據(jù),就像大語言模型在語言層面統(tǒng)一文本代碼、數(shù)學和自然語言一樣;依托Diffusion Transformers等技術架構,全面碾壓Runway等其他文生視頻模型;借鑒DALL·E3,在語義理解上全面勝出。依靠這些技術,Sora實現(xiàn)制作無縫循環(huán)視頻、給靜態(tài)圖片添加動畫、擴展視頻時間線、視頻到視頻編輯、視頻拼接等功能
總之,Sora的差距是技術的碾壓,遙遙領先是客觀事實。
國內(nèi)選手應該如何看待Sora的遙遙領先?
首先,正視而不是夸大這種差距。以ChatGPT來說,2023年ChatGPT橫空出世的時候,業(yè)內(nèi)一片震驚。起初搜狗創(chuàng)始人王小川認為,OpenAI領先國內(nèi)3年時間,但2023年6月,他去硅谷做了一番考察后,認為差距并沒有這么大,而且國內(nèi)應用層做的更出色,起碼快美國三步。所以,看上去的差距實際上可能并沒有那么大。
事實也說明這一點,ChatGPT之后,國內(nèi)大模型接連出世,中美在大模型的競爭上分列世界前兩名,彼此差距不大,且遠遠地把其他國家甩在身后。
其次,認識并發(fā)揮中國AI的競爭優(yōu)勢。
根據(jù)歷年來科技互聯(lián)網(wǎng)的發(fā)展經(jīng)驗來看,中國往往在基礎研究的突破落后于美國,但在延伸應用上卻走在美國的前面。
移動支付、社交媒體、電商等方面中國都是后來居上。即使是近兩年大火的AI,中國也有一較之力。美國在辦公、金融、醫(yī)療的AI應用上處于領先地位,中國緊隨其后,而AI+文娛、AI+交通等方面,中國則大幅領先于美國。
第三,廣闊的國內(nèi)市場是中國競爭最有力的底氣。
制造是競爭力,但市場也是競爭力,需求更是競爭力。
中日基本同時啟動大飛機項目,中國的C-919客機取得成功,日本卻無奈退出研發(fā)。不是日本科技實力不足,而是日本市場缺乏足夠的空間。新能源車上,鋰電池領先氫能源電池,還有LED戰(zhàn)勝DVD,都是市場起了決定性的作用。
中國的大模型市場規(guī)模足夠大。根據(jù)大模型之家、鈦媒體數(shù)據(jù),2023年中國大模型市場規(guī)模達到147億人民幣,同比增長110.0%。預計到2028年中國大模型市場規(guī)模將達到1179億人民幣,2022-2028年復合增長率約為60.11%,市場規(guī)??焖俪砷L。
海外已有Synthesia、Runway等廠商在文生視頻領域形成成熟商業(yè)方案,應用于企業(yè)產(chǎn)品介紹、操作指南、客戶服務等場景。隨著中國的百度、阿里、頭條的迎頭趕上,文生視頻的競爭中,國內(nèi)選手不會輸于Sora。
緊隨Sora之后,谷歌Deep Mind團隊發(fā)布基礎世界模型Genie,通過給模型投喂視頻數(shù)據(jù)進行訓練,生成照片、草圖甚至可以操控的虛擬世界。虛擬世界正不斷向前,隨著中國玩家的不斷加入,這個世界會變得更加精彩。
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。
《鳥哥筆記版權及免責申明》 如對文章、圖片、字體等版權有疑問,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、侵權或有其他不良影響的網(wǎng)絡信息。
一、根據(jù)《網(wǎng)絡信息內(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,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;
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、隱私和其他合法權益;
11)通過網(wǎng)絡以文字、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,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、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,或與特定機構或個人存在關聯(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?。?br /> 2)求推薦算命看相大師;
3)針對具體風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)手法等行為來誘導用戶;
2)內(nèi)容與標題之間存在嚴重不實或者原意扭曲;
3)使用夸張標題,內(nèi)容與標題嚴重不符的。
8.「飯圈」亂象行為,主要表現(xiàn)為:
1)誘導未成年人應援集資、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、誘導未成年人不良嗜好影響未成年人身心健康的;
2)不當評述自然災害、重大事故等災難的;
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。
當一個用戶發(fā)布違規(guī)內(nèi)容時,本網(wǎng)站將依據(jù)相關用戶違規(guī)情節(jié)嚴重程度,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)則的最終解釋權歸屬本網(wǎng)站所有)