出品 | 何璽 排版 | 葉媛
ChatGPT之后，OpenAI再次讓人驚嘆！2月16日，奧特曼發(fā)布OpenAI首個視頻生成大模型Sora。
01
Sora能做什么？它又為什么讓業(yè)界如此震驚？
首先，Sora能夠圖文成片。文本成片方面，Sora能夠根據(jù)用戶提供的文本描述完整、準(zhǔn)確生成長達(dá)60S的的高品質(zhì)視頻。圖片成片方面，Sora不僅能夠從文本生成視頻，還能夠從現(xiàn)有的靜態(tài)圖像開始，準(zhǔn)確地動畫化圖像內(nèi)容，或者擴(kuò)展現(xiàn)有視頻，填補(bǔ)視頻中的缺失幀。此外，Sora還能夠生成包含多個角色、特定運(yùn)動類型以及主題精確、背景細(xì)節(jié)復(fù)雜的場景。要知道，再此之前，Pika，RunwayMl，Stable Video等AI視頻大模型一次性生成的視頻時長也就幾秒。
其次，Sora還有強(qiáng)大的語音理解能力和多鏡頭生成能力。語言理解方面，Sora能夠準(zhǔn)確解釋提示并生成能表達(dá)豐富情感的角色。這使得模型能夠更好地理解用戶的文本指令，并在生成的視頻內(nèi)容中忠實(shí)地反映這些指令。多鏡頭方面，Sora可以在單個生成的視頻中創(chuàng)建多個鏡頭，同時保持角色和視覺風(fēng)格的一致性。這種能力對于制作電影預(yù)告片、動畫或其他需要多視角展示的內(nèi)容非常有用。
第三，Sora有強(qiáng)大的物理世界模擬能力。Sora能夠模擬現(xiàn)實(shí)世界的一些人、動物和環(huán)境方面行為的能力。值得一提的是，這些屬性的出現(xiàn)并沒有依賴于任何明確的3D建模、物體識別等歸納偏差，而是純粹通過模型的尺度擴(kuò)展而自然涌現(xiàn)的。
第三點(diǎn)有一點(diǎn)不好理解，璽哥簡單解釋一下，就是Sora已經(jīng)初步具有了洞察物理世界運(yùn)行規(guī)律的能力。比如人物人類“咬”食物后，食物會留下咬痕，畫家在畫布上涂抹會留下新的筆觸等。
除了以上能力，Sora還具有視頻到視頻編輯，圖片生成等能力。
02
薩姆奧特曼要做創(chuàng)世者？
看到這里，或許有人會說，Sora雖然強(qiáng)大，但也就是一個視頻生成模型而已，如果你也這樣認(rèn)為，那就大錯特錯了。下面璽哥聊聊個人對Sora的一點(diǎn)看法。
目前我們看到的Sora生成的視頻還只是OpenAI放出來的demo，但從放出來的這些視頻可知，在洞察物理世界運(yùn)行規(guī)律這件事情上，OpenAI已經(jīng)找到了一條模擬真實(shí)世界的路徑。而從OpenAI官方文檔透露的信息來看，Sora并不只是做一個簡單的視頻生成工具，其根本目的是做一個物理世界模擬器，為真實(shí)世界建模?；蛟S在不遠(yuǎn)的未來，OpenAI將構(gòu)建一個和真實(shí)世界一模一樣的”AI擬真世界“。這個”AI擬真世界“不僅有和真實(shí)世界一模一樣的山川河流等自然環(huán)境，也有一模一樣的物理運(yùn)行規(guī)則。那時，人類或可以在這個擬真世界以百倍，千倍，萬倍的效率完成學(xué)習(xí)、成長。
當(dāng)然，想要在這個”AI擬真世界“生活，你必須要有一個AI世界的身份，那就是人類的“數(shù)字人”分身。談到數(shù)字人分身，我們不得不提ChatGPT，因?yàn)樗瘛叭恕绷?。ChatGPT不僅能夠通過學(xué)習(xí)和理解人類的語言來進(jìn)行對話，還能根據(jù)聊天的上下文進(jìn)行互動。ChatGPT不僅能理解人的意圖，還有自己的思辨能力，能夠推理，能夠勝任許多人類工作?，F(xiàn)在，隨著應(yīng)用商店的發(fā)布，ChatGPT更實(shí)現(xiàn)了對人類能力的分類。
現(xiàn)在，我們把Sora和ChatGPT結(jié)合起來看看，一個是要復(fù)制一個真實(shí)的物理環(huán)境，一個是要復(fù)制一個真實(shí)的人，真實(shí)的物理環(huán)境+人，不就等于一個新的世界嗎？
或許在不久的將來，我們的人生就將分成兩部分，一個是AI世界中的我們，一個是現(xiàn)實(shí)世界的我們。至于是AI世界中的我們更重要，還是現(xiàn)實(shí)世界中的我們更重要，就要看個人更適合在哪種環(huán)境中生活了。
到那個時候，或許奧特曼真的就成了“AI擬真世界”的創(chuàng)世者。
聯(lián)系客服
