奥特曼发布OpenAI首个视频生成模型Sora。文章源自菜鸟学院-https://www.cainiaoxueyuan.com/office/59967.html
完美继承DALL·E 3的画质和遵循指令能力，能生成长达1分钟的高清视频。文章源自菜鸟学院-https://www.cainiaoxueyuan.com/office/59967.html
地址：https://openai.com/sora文章源自菜鸟学院-https://www.cainiaoxueyuan.com/office/59967.html
文章源自菜鸟学院-https://www.cainiaoxueyuan.com/office/59967.html
AI想象中的龙年春节，红旗招展人山人海。文章源自菜鸟学院-https://www.cainiaoxueyuan.com/office/59967.html
有紧跟舞龙队伍抬头好奇官网的儿童，还有不少人掏出手机边跟边拍，海量人物角色各有各的行为。文章源自菜鸟学院-https://www.cainiaoxueyuan.com/office/59967.html
文章源自菜鸟学院-https://www.cainiaoxueyuan.com/office/59967.html
雨后东京街头，潮湿地面反射霓虹灯光影效果堪比RTX ON。文章源自菜鸟学院-https://www.cainiaoxueyuan.com/office/59967.html
文章源自菜鸟学院-https://www.cainiaoxueyuan.com/office/59967.html
行驶中的列车窗外偶遇遮挡，车内人物倒影短暂出现非常惊艳。文章源自菜鸟学院-https://www.cainiaoxueyuan.com/office/59967.html
文章源自菜鸟学院-https://www.cainiaoxueyuan.com/office/59967.html
也可以来一段好莱坞大片质感的电影预告片：文章源自菜鸟学院-https://www.cainiaoxueyuan.com/office/59967.html
文章源自菜鸟学院-https://www.cainiaoxueyuan.com/office/59967.html
竖屏超近景视角下，这只蜥蜴细节拉满：文章源自菜鸟学院-https://www.cainiaoxueyuan.com/office/59967.html
文章源自菜鸟学院-https://www.cainiaoxueyuan.com/office/59967.html
网友直呼game over，工作要丢了：文章源自菜鸟学院-https://www.cainiaoxueyuan.com/office/59967.html
文章源自菜鸟学院-https://www.cainiaoxueyuan.com/office/59967.html
甚至有人已经开始“悼念”一整个行业：文章源自菜鸟学院-https://www.cainiaoxueyuan.com/office/59967.html
文章源自菜鸟学院-https://www.cainiaoxueyuan.com/office/59967.html
文生视频，只是整个计划之一
OpenAI表示，正在教AI理解和模拟运动中的物理世界，目标是训练模型来帮助人们解决需要现实世界交互的问题文章源自菜鸟学院-https://www.cainiaoxueyuan.com/office/59967.html
根据文本提示生成视频，仅仅是整个计划其中的一步。文章源自菜鸟学院-https://www.cainiaoxueyuan.com/office/59967.html
文章源自菜鸟学院-https://www.cainiaoxueyuan.com/office/59967.html
目前Sora已经能生成具有多个角色、包含特定运动的复杂场景，不仅能理解用户在提示中提出的要求，还了解这些物体在物理世界中的存在方式。文章源自菜鸟学院-https://www.cainiaoxueyuan.com/office/59967.html
比如一大群纸飞机在树林中飞过，Sora知道碰撞后会发生什么，并表现其中的光影变化。文章源自菜鸟学院-https://www.cainiaoxueyuan.com/office/59967.html
Sora还可以在单个视频中创建多个镜头，并依靠对语言的深入理解准确地解释提示词，保留角色和视觉风格。文章源自菜鸟学院-https://www.cainiaoxueyuan.com/office/59967.html
对于Sora当前存在的弱点，OpenAI也不避讳，指出它可能难以准确模拟复杂场景的物理原理，并且可能无法理解因果关系。文章源自菜鸟学院-https://www.cainiaoxueyuan.com/office/59967.html
例如“五只灰狼幼崽在一条偏僻的碎石路上互相嬉戏、追逐”，狼的数量会变化，一些凭空出现或消失。文章源自菜鸟学院-https://www.cainiaoxueyuan.com/office/59967.html
文章源自菜鸟学院-https://www.cainiaoxueyuan.com/office/59967.html
该模型还可能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，例如遵循特定的相机轨迹。文章源自菜鸟学院-https://www.cainiaoxueyuan.com/office/59967.html
如提示词“篮球穿过篮筐然后爆炸”中，篮球没有正确被篮筐阻挡。文章源自菜鸟学院-https://www.cainiaoxueyuan.com/office/59967.html
文章源自菜鸟学院-https://www.cainiaoxueyuan.com/office/59967.html
技术方面，目前OpenAI透露的不多，简单介绍如下：文章源自菜鸟学院-https://www.cainiaoxueyuan.com/office/59967.html
Sora是一种扩散模型，从噪声开始，能够一次生成整个视频或扩展视频的长度，文章源自菜鸟学院-https://www.cainiaoxueyuan.com/office/59967.html
关键之处在于一次生成多帧的预测，确保画面主体即使暂时离开视野也能保持不变。文章源自菜鸟学院-https://www.cainiaoxueyuan.com/office/59967.html
与GPT模型类似，Sora使用了Transformer架构，有很强的扩展性。文章源自菜鸟学院-https://www.cainiaoxueyuan.com/office/59967.html
在数据方面，OpenAI将视频和图像表示为patch，类似于GPT中的token。文章源自菜鸟学院-https://www.cainiaoxueyuan.com/office/59967.html
通过这种统一的数据表示方式，可以在比以前更广泛的视觉数据上训练模型，涵盖不同的持续时间、分辨率和纵横比。文章源自菜鸟学院-https://www.cainiaoxueyuan.com/office/59967.html
Sora建立在过去对DALL·E和GPT模型的研究之上。它使用DALL·E 3的重述提示词技术，为视觉训练数据生成高度描述性的标注，因此能够更忠实地遵循用户的文本指令。文章源自菜鸟学院-https://www.cainiaoxueyuan.com/office/59967.html
除了能够仅根据文本指令生成视频之外，该模型还能够获取现有的静态图像并从中生成视频，准确地让图像内容动起来并关注小细节。文章源自菜鸟学院-https://www.cainiaoxueyuan.com/office/59967.html
该模型还可以获取现有视频并对其进行扩展或填充缺失的帧，请参阅技术论文了解更多信息（晚些时候发布）。文章源自菜鸟学院-https://www.cainiaoxueyuan.com/office/59967.html
Sora 是能够理解和模拟现实世界的模型的基础，OpenAI相信这一功能将成为实现AGI的重要里程碑。文章源自菜鸟学院-https://www.cainiaoxueyuan.com/office/59967.html
来源：Datawhale文章源自菜鸟学院-https://www.cainiaoxueyuan.com/office/59967.html