近日，人工智能研究公司OpenAI發布首個文生視頻模型“Sora”。

　　根據OpenAI官網介紹，使用Sora可以用文字指令生成長達1分鐘的高清視頻。視頻可以具有多個角色、特定類型的運動、精確主題和背景細節等復雜場景。

　　此次文生視頻模型Sora足夠震撼。業內人士認為，從長遠角度來看，Sora將給廣告業、電影預告片、短視頻行業帶來巨大的顛覆。

　　從OpenAI官網更新的48個視頻demo來看，Sora不僅能夠準確呈現細節，還能生成具有豐富情感的角色。

　　據OpenAI介紹，Sora能夠生成具有多個角色、特定類型的運動以及主題和背景的準確細節的復雜場景。該模型不僅了解用戶提出的要求，還了解這些東西在物理世界中的存在方式。

　　這意味著，如果說GPT能夠通過人類的語言來理解世界，那么Sora則能通過視頻、圖片等多模態數據來理解世界。

　　根據OpenAI的技術報告，Sora的強大得益于大量的數據、靈活的編碼、優質的標注和Transformer+diffusion的架構。由于使用Transformer架構，Sora具有較強的擴展性。

　　業內人士分析稱，此前這類模型對視頻的處理往往會分解為時間域和空間域，用處理時間域的模型處理時間域，比如RNN、自回歸模型等。但是，此次OpenAI直接把整個視頻看做一個整體，一次性輸入到diffusion模型中，讓模型一次性生成出整個視頻的每個細節。

　　影視行業或迎巨變

　　據了解，在OpenAI的Sora之前，谷歌曾在去年12月發布了一個全新的視頻生成模型VideoPoet，能夠執行包括文本到視頻、圖像到視頻、視頻風格化等操作。而此前一夜爆紅的文生視頻軟件Pika也掀起了AI視頻應用的熱潮。

　　對于此次的Sora問世，360集團創始人、董事長周鴻祎表示，這意味著AGI實現將從10年縮短至1年。具備文生視頻功能的視頻類生成式AI，能夠有效降低創作者的創作門檻。

　　國海證券在研報中指出，根據《AIGC/AI生成內容產業展望報告》，視頻生成將成為近期跨模態生成領域的中高潛力場景，其背后邏輯是不同技術帶來的主流內容形式的變化。

　　英偉達高級科學家Jim Fan認為，2022年是影像之年，2023是聲波之年，而2024是視頻之年。

　　大“網紅”馬斯克也對OpenAI發布的新模型發表了評價。針對推特網友轉發的Sora演示視頻，配文聲稱“gg Pixar”，馬斯克在推文下方留言表示，“gg humans”。

　　另有一名網友談及OpenAI的新模型，并將話題引向影視行業，“電影行業肯定會對這種技術做出嚴厲反應，希望法規不會失控”、“與大多數類型AI創作不同，生成式藝術不會抑制人類的精神”。

　　馬斯克針對該推文也做出回應，“由人工智能增強的人類，將會在未來幾年之內創作出最杰出的作品”。

　　能否帶來顛覆性影響?

　　從OpenAI官網公布的視頻實例來看，Sora能夠精準呈現視頻細節。

　　比如，某個Prompt的提示詞是美麗、白雪皚皚的東京、城市熙熙攘攘。鏡頭穿過城市街道，跟隨幾個人享受美麗的雪天，在附近的攤位上購物。

　　在Sora生成的視頻里，鏡頭從俯視白雪覆蓋的東京，慢慢推進到兩個行人手牽手在街道上行走，街旁的櫻花樹和商鋪的畫面均得以呈現。

　　有業內人士表示，這對電影、動漫、小說、游戲等行業具有深遠影響。不過也有視頻剪輯從業人員潑冷水，“大規模應用后能否催生更多好作品尚不清楚，但制造視頻垃圾的速度一定會呈現指數級增長”。

　　某互聯網從業人員表示，Sora確實很牛，但如果認為三年后就沒人拍視頻了，認為抖音Tiktok很快會被顛覆，那還是為時過早。

　　如果想借助Sora將視頻行業變成“人純粹消費機器工業化內容”的局面，這恐怕沒戲。如果借助新技術，讓人與人之間產生新的連接，激發新的創作產能，這是有戲的。同時，需要尊重行業規律，通過技術迭代生態，而不是直接把技術丟給用戶。