开年王炸！OpenAI让文字直接生成视频 现实将被颠覆

  sora描绘的：一群纸飞机在茂密的丛林中翩翩起舞，在树林中穿梭，就像候鸟一样。

  据OpenAI官网，OpenAI首个视频生成模型Sora发布，完美继承DALL·E3的画质和遵循指令能力，能生成长达1分钟的高清视频。

  可以说，Sora出道即王炸，它可以依据用户的一句话生成长达一分钟的视频，且视频流畅度和稳定能力皆在水准之上。

  目前官网上已经更新了48个视频demo，在这些demo中，Sora不仅能准确呈现细节，还能理解物体在物理世界中的存在，并生成有着非常丰富情感的角色。该模型还能够准确的通过提示、静止图像甚至填补现有视频中的缺失帧来生成视频。

  有紧跟舞龙队伍抬头好奇观望的儿童，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。

  一名年约三十的宇航员戴着红色针织摩托头盔展开冒险之旅，电影预告片呈现其穿梭于蓝天白云与盐湖沙漠之间的精彩瞬间，独特的电影风格、采用35毫米胶片拍摄，色彩鲜艳。

  OpenAI首席执行官奥特曼（Sam Altman）周四在X网站上让该平台用户把自己想给Sora的文字描述提交给他。然后，他分享了Sora依据这一些描述生成的视频。

  “我们想向你们展示Sora能做什么，”他在X上写道，“不需要过多的担心你的要求太细，或是难度太大！”

  有人提出想要“一段海上自行车比赛的视频，让各种动物作为运动员骑自行车，采用无人机拍摄视角”。奥特曼在回复中发布了一段由Sora生成的视频，视频中有企鹅、海豚和其他水生生物骑自行车。

  另一段视频显示，一位身穿围裙、面带微笑的白发女士邀请观众进入她的厨房。有人向奥特曼要一段“由一名祖母辈的网红主持的自制团子烹饪课程，背景是一个质朴的托斯卡纳乡村厨房，并配有电影级的灯光”，之后Sora生成了这段AI视频。

  网友直呼game over，工作要丢了，甚至有人慢慢的开始“悼念”一整个素材行业，还有网上的朋友表示，电影业要彻底颠覆了。

  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，并且可能没办法理解因果关系。

  例如在演示视频中，“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。

  再如一位寿星向生日蛋糕上的蜡烛吹气，但蜡烛没有一点变化；或者篮球直接穿透了篮筐，而不是从篮筐中进球。

  OpenAI表示，他们正在教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。

  随后OpenAI解释了Sora的工作原理，Sora是一个扩散模型，它从类似于静态噪声的视频开始，通过多个步骤逐渐去除噪声，视频也从最初的随机像素转化为清晰的图像场景。Sora使用了Transformer架构，有极强的扩展性。

  如今，Sora正面向部分成员开放，以评估关键领域的潜在危害或风险。同时，OpenAI也邀请了一批视觉艺术家、设计师和电影制作人加入，期望获得宝贵反馈，以推动模型进步，更好地助力创意工作者。OpenAI提前分享研究进展，旨在与OpenAI以外的人士合作并获取反馈，让公众了解马上就要来临的AI技术新篇章。

  一位YouTube博主Paddy Galloway发表了对Sora的感想，他表示内容创作行业已经永远的改变了，并且毫不夸张。“我进入YouTube世界已经15年时间，但OpenAI刚刚的展示让我无言…动画师/3D艺术家们有麻烦了，素材网站将变得无关紧要，任何人都可以无壁垒获得难以置信的产品，内容背后的‘想法’和故事将变得更重要。”

  一位硅谷AI公司的从业者称，根据她的使用体验，Sora在演示视频中展现的能力远远超Pika和Runway，“Pika只能生成3-15秒的视频，Sora能直接生成一分钟的视频。从画面效果和时长来看，Sora肯定是一个重要突破。”

  有人工智能专家和分析师表示，Sora视频的长度和质量超出了迄今为止所见的水平。伊利诺伊大学厄巴纳-香槟分校信息科学教授Ted Underwood称：“我没有想到在接下来的两到三年内还会出现这种持续、连贯的视频生成水平。”

  但牛津互联网研究所客座政策研究员Mutale Nkonde担心，这些工具可能会嵌入社会偏见，对人们的生活产生一定的影响，并能将仇恨或令人痛心的现实事件通过文字描述变成逼真的镜头。