看到 OpenAI 釋出了 Sora，到處都在飛傳，我去了解了下，好家夥，直接炸開，驚艷的無話可說！！！Sora 是一種 文字生成視訊 的技術，從演示看，效果還是相當不錯的，和真實世界拍出來的基本無區別。
當然，你可能會說，這算啥，AI 視訊又不是什麽新東西，但這次真的不一樣，它的能力超過我們的想象，就連劉潤、周鴻偉等大佬都紛紛坐不坐了，均來為這次的釋出發聲。
我們可以用三個詞來總結 Sora，那就是「 60s超長長度 」，「 單視訊多角度鏡頭 」，和「 世界模型 」。
Sora 可以生成 長達一分鐘 的視訊，同時保持視覺品質並遵守使用者的提示。
ps：
目前文生成視訊技術，能做到一分鐘的很少很少，基本沒有。所以 Sora 還是很強的。
如今，僅有官方邀請的人員才可使用。官方還授予了一些視覺藝術家、設計師和電影制作人存取許可權，目的是獲取他們的反饋，了解如何改進模型，以便對創意專業人士更有益。
官方正盡早分享研究進展，目的是開始與非OpenAI成員合作並獲取他們的反饋，同時讓公眾了解即將推出的AI功能。
讓我們先來看下效果 ：
提示詞：一位時尚的女人走在東京的街道上，街道上到處都是溫暖的發光霓虹燈和動畫城市標誌。她身穿黑色皮夾克，紅色長裙，黑色靴子，背著一個黑色錢包。她戴著墨鏡，塗著紅色口紅。她自信而隨意地走路。街道潮濕而反光，營造出五顏六色的燈光的鏡面效果。許多行人四處走動。
Sora 是一款能夠 生成復雜場景的先進模型 ，它不僅能創造出 多個角色 和 特定型別 的動作，還能精確描繪主題和背景的細節。這個模型深刻理解使用者的需求，並且知道這些元素在真實世界中是如何存在的。
透過對語言的深入理解，Sora 能夠精確解讀使用者的指令，並創造出充滿生動情感的引人入勝的角色。它甚至能在同一個視訊中 切換不同的鏡頭 ，以確保角色和視覺風格的一致性。
不過，Sora 也有它的局限性。它在模擬復雜場景的物理特性時可能會遇到困難，有時也難以理解具體的因果關系。比如，一個角色吃餅乾的動作可能不會在餅乾上留下咬痕。此外，它在處理空間細節（如區分左右）和描述隨時間變化的事件（比如特定的相機移動軌跡）時也可能遇到挑戰。
在將 Sora 引入 OpenAI 產品線之前，官方將采取多項安全措施。正與專門處理錯誤資訊、仇恨內容和偏見等問題的紅隊專家合作，進行對抗性測試。
官方也在開發工具來辨識誤導性內容，例如構建分類器以判斷視訊是否由 Sora 生成，並計劃在未來的產品中加入 C2PA 後設資料，以增強內容的透明度。
為了 確保技術安全可靠 ，借鑒了在開發 DALL·E 3 時的經驗，同樣的方法也將套用於 Sora。例如，一旦產品面市，將使用文本分類器來過濾掉違反使用政策的請求，比如那些包含極端暴力、色情內容、仇恨影像、名人肖像或侵犯他人智慧財產權的內容。官方還開發了強大的影像分類器，對生成視訊的每一幀進行審查，確保展示給使用者的內容符合標準。
openai 還計劃與全球的政策制定者、教育工作者和藝術家合作，了解他們的關切，並探索這項技術的積極套用場景。雖然已經進行了廣泛的研究和測試，但認識到，無法完全預測人們會如何利用或濫用這項技術。這就是為什麽 openai 認為，從實際使用中不斷學習和改進，是確保人工智慧系統越來越安全的關鍵。
Sora 底層技術：
給官方的文件做了下簡單轉譯
Sora 是一種先進的視訊生成技術，它開始時使用的視訊看起來就像是靜態的雜訊。然後，它透過多個步驟逐步去除這些雜訊，最終將視訊轉變得清晰起來。
這項技術能夠一次性生成完整的視訊，或者將已生成的視訊延長，使其更加豐富多彩。Sora 透過同時處理許多視訊幀，巧妙解決了保持視訊中主題連續性的挑戰，即使這個主題暫時從畫面中消失也能夠保持一致。
就像 GPT 技術一樣， Sora 采用了一種叫做transformer的架構 ，這使得它的處理能力大大增強。
我們把視訊和圖片分解成了很多小塊，叫做「修補程式」，每一個「修補程式」就像是 GPT 中的一個「字」。透過這種方式統一數據表示，我們能在更廣泛的視覺數據上進行訓練，覆蓋不同的時長、分辨率和比例。
Sora 是基於 DALL·E 和 GPT 模型發展而來的。特別是，它用到了 DALL·E 3 的技術，這項技術能為視覺內容生成非常詳細的描述。因此， Sora 能夠更準確地根據使用者的文本描述生成視訊 。
不僅如此，Sora 還能夠接收靜態圖片，並根據這些圖片生成視訊，精確地將圖片內容動態化，同時註重細節。它甚至能夠對現有的視訊進行擴充套件，或者填補缺失的幀。想要了解更多資訊，請檢視我們的技術報告。
Sora 是我們向理解和模擬現實世界邁出的一大步。我們相信，這種能力將成為 實作人工通用智慧（AGI）的一個關鍵裏程碑 。🚀
體驗地址：
https://openai.com/sora（後續會開放）
往期推薦
