新年剛剛開工，AI又來搶人類飯碗了。

2月16日，OpenAI在其官網(wǎng)發(fā)布了文生視頻模型Sora。Sora作為OpenAI首推的文本轉(zhuǎn)視頻模型，能夠嚴(yán)格根據(jù)用戶輸入的提示詞、文本指令或靜態(tài)圖像，生成長達(dá)1分鐘的視頻，并且保持較高的視覺質(zhì)量，其中包含精細(xì)復(fù)雜的場景、生動(dòng)的角色表情以及復(fù)雜的鏡頭運(yùn)動(dòng)。同時(shí)也接受現(xiàn)有視頻擴(kuò)展或填補(bǔ)缺失的幀。

橫空出世的Sora，實(shí)現(xiàn)了三大突破：

一是Sora可生成60秒一鏡到底視頻。60秒的視頻長度，遠(yuǎn)高于Pika Labs的3秒、Meta Emu Video的4秒和Runway公司Gen-2的18秒的視頻時(shí)長，并且能保持視頻主體與背景的高度流暢性與穩(wěn)定性。

二是單視頻多角度鏡頭，Sora在一個(gè)視頻內(nèi)實(shí)現(xiàn)了多角度鏡頭，分鏡切換符合邏輯且十分流暢。

三是理解真實(shí)世界的能力，OpenAI利用大語言模型優(yōu)勢，讓Sora實(shí)現(xiàn)了對現(xiàn)實(shí)世界的理解和對世界的模擬兩層能力。Sora產(chǎn)生的視頻里，它能像人一樣理解坦克是有巨大沖擊力的，坦克能撞毀汽車，而不會(huì)出現(xiàn)汽車撞毀坦克這樣的情況。同時(shí)Sora對于光影反射、運(yùn)動(dòng)方式、鏡頭移動(dòng)等細(xì)節(jié)也處理得十分優(yōu)秀，極大地提升了真實(shí)感。

目前其官網(wǎng)已更新了48個(gè)視頻demo，在這些demo中，Sora不僅能準(zhǔn)確呈現(xiàn)細(xì)節(jié)，還能理解物體在物理世界中的存在，并生成具有豐富情感的角色。無論從視頻流暢度還是細(xì)節(jié)表現(xiàn)能力上，Sora的效果都相當(dāng)驚艷。

AI想象中的龍年春節(jié)，紅旗招展人山人海。有緊跟舞龍隊(duì)伍抬頭好奇觀望的兒童，還有不少人掏出手機(jī)跟拍，海量人物角色各有各的行為。

例如一個(gè)Prompt（大語言模型中的提示詞）的描述是：在東京街頭，一位時(shí)髦的女士穿梭在充滿溫暖霓虹燈光和動(dòng)感城市標(biāo)志的街道上。

在Sora生成的視頻里，女士身著黑色皮衣、紅色裙子在霓虹街頭行走，不僅主體連貫穩(wěn)定，還有多鏡頭，包括從大街景慢慢切入到對女士的臉部表情的特寫，以及潮濕的街道地面反射霓虹燈的光影效果。

對于存在的不足，OpenAI也沒有刻意回避，目前Sora可能難以準(zhǔn)確模擬復(fù)雜場景的物理原理，并且可能無法理解因果關(guān)系。在OpenAI發(fā)布的技術(shù)報(bào)告中有一段Sora模型生成的錯(cuò)誤視頻，展示了桌上的水杯會(huì)先從底部流出果汁，然后沿著錯(cuò)誤的方向和角度倒在桌上。

OpenAI一直在教AI理解和模擬運(yùn)動(dòng)中的物理世界，目標(biāo)是訓(xùn)練模型來幫助人們解決需要現(xiàn)實(shí)世界交互的問題。這次發(fā)布Sora只是小試牛刀，未來可能帶來更具顛覆性的成果。

作為視頻生成工具，Sora可以降低視頻制作的門檻和成本，使得更多人能夠輕松創(chuàng)建高質(zhì)量的視頻內(nèi)容。這將對影視、廣告、游戲、新聞、教育、VR\AR等諸多行業(yè)產(chǎn)生深遠(yuǎn)的影響。同時(shí)也將對視頻剪輯師、后期制作等崗位產(chǎn)生沖擊。后期制作包括剪輯、特效、音效等環(huán)節(jié)，這些工作都可以通過AI技術(shù)進(jìn)行自動(dòng)化或半自動(dòng)化處理。

目前Sora模型還處于測試階段，預(yù)計(jì)再經(jīng)過一段時(shí)間的安全測試和用戶反饋后才會(huì)正式提供服務(wù)。