在剛剛過去的春節(jié)，科技界再次見證了一場顛覆性技術(shù)革命的誕生，2月16日凌晨OpenAI悄無聲息向業(yè)界扔出一枚“王炸”——正式發(fā)布了首款文生視頻模型"Sora"，繼文本、圖像之后，OpenAI在視頻領(lǐng)域放出大招，AI文生視頻技術(shù)邁入了一個全新的發(fā)展階段。

首款文生視頻模型Sora

OpenAI官方表示：“Sora是能夠理解和模擬現(xiàn)實(shí)世界的模型的基礎(chǔ)，相信這一功能將成為實(shí)現(xiàn)AGI的重要里程碑。”

AI 文生視頻技術(shù)

根據(jù)OpenAI官方發(fā)布的技術(shù)報(bào)告以及對外展示的48個視頻，Sora是基于Transformer架構(gòu)的文本條件擴(kuò)散模型，能夠根據(jù)文本提示生成長達(dá)一分鐘的視頻，甚至能夠擴(kuò)展現(xiàn)有視頻。

OpenAI官方發(fā)布的技術(shù)報(bào)告

Sora的技術(shù)報(bào)告還強(qiáng)調(diào)了其在理解復(fù)雜場景、物理屬性和場景關(guān)系方面的能力，以及在圖像和視頻編輯任務(wù)上的靈活性。

Sora生成的視頻不僅在視覺上具有高清畫質(zhì)，而且在光影處理、物理效果（如遮擋和碰撞）、運(yùn)動連續(xù)性等方面表現(xiàn)出接近真實(shí)世界的水平，相較于以往模型在生成視頻時可能出現(xiàn)的人物形象不一致等問題，Sora還能準(zhǔn)確呈現(xiàn)角色和視覺風(fēng)格的一致性，使得視頻場景更加自然連貫。

這些特性使得Sora在制作短視頻、動畫、電影畫面和視頻游戲渲染方面展現(xiàn)出巨大的潛力。

Sora的特性

Sora一經(jīng)發(fā)布，迅速在全球范圍內(nèi)掀起驚濤巨浪，馬斯克在X平臺回復(fù)網(wǎng)友“gg humans”，AI文生視頻創(chuàng)企Runway聯(lián)合創(chuàng)始人兼CEO Cristóbal Valenzuela感嘆以前需要花費(fèi)一年的進(jìn)展，變成了幾個月就能實(shí)現(xiàn)，又變成了幾天、幾小時。

Sora被認(rèn)為在人工智能領(lǐng)域取得了重大突破，它的出現(xiàn)被視為通用人工智能（AGI）實(shí)現(xiàn)的重要里程碑，360董事長周鴻祎認(rèn)為Sora意味著AGI實(shí)現(xiàn)將從10年縮短到1年，并且可能給廣告業(yè)、電影預(yù)告片、短視頻行業(yè)帶來巨大的顛覆。

《MIT科技評論》主編指出：“Sora的出現(xiàn)，無疑是人工智能發(fā)展歷程中的一個里程碑，它的誕生意味著我們正逐步接近一個‘文字即視頻’的新時代。”

中國科學(xué)院空天信息研究院的譚劍副研究員表示：“Sora的出現(xiàn)，開啟了創(chuàng)作力和想象力的時代。”他進(jìn)一步指出，Sora在理解地球物理世界的規(guī)律方面取得了巨大進(jìn)展，這不僅僅是技術(shù)上的突破，更是對傳統(tǒng)計(jì)算機(jī)圖形學(xué)領(lǐng)域的一次顛覆。

不過也有人對其帶來的內(nèi)容真實(shí)性問題和倫理考量表示擔(dān)憂，指出“確保內(nèi)容的真實(shí)透明成為了一個重要議題”；圖靈巨頭LeCun認(rèn)為，僅根據(jù)文字提示生成逼真的視頻，并不代表模型理解了物理世界。生成視頻的過程與基于世界模型的因果預(yù)測完全不同。

Sora的發(fā)布讓文生視頻技術(shù)進(jìn)入新的發(fā)展階段，會逐步打破傳統(tǒng)的內(nèi)容創(chuàng)作模式，給廣告、游戲、影視等行業(yè)帶來前所未有的挑戰(zhàn)和機(jī)遇。

隨著技術(shù)的迭代，企業(yè)能高效低成本地進(jìn)行產(chǎn)品演示、內(nèi)容制作、廣告創(chuàng)意設(shè)計(jì)等多元化的數(shù)字內(nèi)容生產(chǎn)，這將進(jìn)一步加速企業(yè)向智能化內(nèi)容創(chuàng)作與傳播的轉(zhuǎn)型步伐，并可能重塑未來多媒體信息生態(tài)。