OpenAI推出AI系統 將文本轉換為逼真的視頻

　　來源：財聯社

　　財聯社2月16日電，OpenAI公布了一種新的人工智能系統，該系統可以根據用戶的文本提示創建逼真的視頻，使其成為最新一家採用生成視頻技術的人工智能公司。該公司周四在一篇博客文章中表示，這款名為Sora的人工智能系統可以快速製作長達一分鐘的視頻，這些視頻可以呈現“具有多個角色、特定類型的動作、以及主題和背景的準確細節的複雜場景”。

　　相關新聞

　　效果炸裂！OpenAI首個視頻生成模型發布，1分鐘流暢高清，網友：整個行業RIP（量子位）

　　奧特曼發布OpenAI首個視頻生成模型Sora。

　　完美繼承DALL·E 3的畫質和遵循指令能力，能生成長達1分鐘的高清視頻。

　　AI想象中的龍年春節，紅旗招展人山人海。

　　有緊跟舞龍隊伍抬頭好奇觀望的兒童，還有不少人掏出手機邊跟邊拍，海量人物角色各有各的行為。

　　雨後東京街頭，潮濕地面反射霓虹燈光影效果堪比RTX ON。

　　行駛中的列車窗外偶遇遮擋，車內人物倒影短暫出現非常驚艷。

　　也可以來一段好萊塢大片質感的電影預告片：

　　豎屏超近景視角下，這隻蜥蜴細節拉滿：

　　網友直呼game over，工作要丟了：

　　甚至有人已經開始“悼念”一整個行業：

　　AI理解運動中的物理世界

　　OpenAI表示，正在教AI理解和模擬運動中的物理世界，目標是訓練模型來幫助人們解決需要現實世界交互的問題

　　根據文本提示生成視頻，僅僅是整個計劃其中的一步。

　　目前Sora已經能生成具有多個角色、包含特定運動的複雜場景，不僅能理解用戶在提示中提出的要求，還了解這些物體在物理世界中的存在方式。

　　比如一大群紙飛機在樹林中飛過，Sora知道碰撞後會發生什麼，並表現其中的光影變化。

　　一群紙飛機在茂密的叢林中翩翩起舞，在樹林中穿梭，就像候鳥一樣。

　　Sora還可以在單個視頻中創建多個鏡頭，並依靠對語言的深入理解準確地解釋提示詞，保留角色和視覺風格。

　　美麗、白雪皚皚的東京熙熙攘攘。鏡頭穿過熙熙攘攘的城市街道，跟隨幾個人享受美麗的雪天並在附近的攤位購物。絢麗的櫻花花瓣隨着雪花隨風飄揚。

　　對於Sora當前存在的弱點，OpenAI也不避諱，指出它可能難以準確模擬複雜場景的物理原理，並且可能無法理解因果關係。

　　例如“五隻灰狼幼崽在一條偏僻的碎石路上互相嬉戲、追逐”，狼的數量會變化，一些憑空出現或消失。

　　該模型還可能混淆提示的空間細節，例如混淆左右，並且可能難以精確描述隨着時間推移發生的事件，例如遵循特定的相機軌跡。

　　如提示詞“籃球穿過籃筐然後爆炸”中，籃球沒有正確被籃筐阻擋。

　　技術方面，目前OpenAI透露的不多，簡單介紹如下：

　　Sora是一種擴散模型，從噪聲開始，能夠一次生成整個視頻或擴展視頻的長度，

　　關鍵之處在於一次生成多幀的預測，確保畫面主體即使暫時離開視野也能保持不變。

　　與GPT模型類似，Sora使用了Transformer架構，有很強的擴展性。

　　在數據方面，OpenAI將視頻和圖像表示為patch，類似於GPT中的token。

　　通過這種統一的數據表示方式，可以在比以前更廣泛的視覺數據上訓練模型，涵蓋不同的持續時間、分辨率和縱橫比。

　　Sora建立在過去對DALL·E和GPT模型的研究之上。它使用DALL·E 3的重述提示詞技術，為視覺訓練數據生成高度描述性的標註，因此能夠更忠實地遵循用戶的文本指令。

　　除了能夠僅根據文本指令生成視頻之外，該模型還能夠獲取現有的靜態圖像並從中生成視頻，準確地讓圖像內容動起來並關注小細節。

　　該模型還可以獲取現有視頻並對其進行擴展或填充缺失的幀，請參閱技術論文了解更多信息（晚些時候發布）。

　　Sora 是能夠理解和模擬現實世界的模型的基礎，OpenAI相信這一功能將成為實現AGI的重要里程碑。

　　奧特曼在線接單

　　目前已有一些視覺藝術家、設計師和電影製作人（以及OpenAI員工）獲得了Sora訪問權限。

　　他們開始不斷po出新的作品，奧特曼也開始了在線接單模式。

　　帶上你的提示詞@sama，就有可能收到生成好的視頻回復。

責任編輯：劉鵬林