毫無(wú)預(yù)熱，一覺(jué)醒來(lái)，OpenAI又向世界扔出了一枚王炸：北京時(shí)間今天凌晨2點(diǎn)14分，視頻模型Sora首發(fā)，給它一段文本提示詞，可以直接生成長(zhǎng)達(dá)一分鐘的視頻！

過(guò)去的一年多，文本和圖片領(lǐng)域已先后被AI穩(wěn)穩(wěn)拿下，視頻領(lǐng)域雖也有進(jìn)展但肉眼可見(jiàn)存在諸多不足。然而，從現(xiàn)在開(kāi)始，“有視頻有真相”可能也會(huì)成為歷史。

OpenAI創(chuàng)始人兼CEO山姆·阿爾特曼在海外社交平臺(tái)X上瘋狂刷屏，各種展示生成的視頻效果。網(wǎng)友們也炸了鍋，微博上有達(dá)人激動(dòng)地寫道：“這生成質(zhì)量和運(yùn)鏡幅度直接把我看醒了……”

Sora的官網(wǎng)首頁(yè)，詳細(xì)地介紹了這款視頻模型的特點(diǎn)，也就是它的強(qiáng)大之處：可以創(chuàng)建長(zhǎng)達(dá)一分鐘的視頻，包含高度詳細(xì)的場(chǎng)景、復(fù)雜的攝像機(jī)運(yùn)動(dòng)，以及充滿活力的情感的多個(gè)角色等。

此前的AI視頻模型，生成的視頻長(zhǎng)度大多只有幾秒鐘，如果想要得到一段較為完整的視頻，得一段段拼接。而Open AI一上場(chǎng)就直接將長(zhǎng)度卷到了一分鐘！

來(lái)看一個(gè)官方放出的案例。

Prompt: A stylish woman walks down a Tokyo street filled with warm glowing neon and animated city signage. She wears a black leather jacket, a long red dress, and black boots, and carries a black purse. She wears sunglasses and red lipstick. She walks confidently and casually. The street is damp and reflective, creating a mirror effect of the colorful lights. Many pedestrians walk about.

提示詞：一位時(shí)髦的女士穿行在東京的街頭，街道充滿了溫暖的霓虹燈光和動(dòng)感的城市標(biāo)志。她穿著一件黑色皮夾克，一條長(zhǎng)紅裙和黑色靴子，手拿一個(gè)黑色手提包。她戴著太陽(yáng)鏡和紅色口紅。她走路既自信又隨意。街道潮濕且能反射，創(chuàng)造出彩色燈光的鏡面效果。許多行人來(lái)來(lái)往往。

一分鐘一鏡到底，街道上的燈光和反射效果，以及人物的裝扮和表情，都被生動(dòng)地展現(xiàn)出來(lái)。

又比如想要生成一段動(dòng)畫場(chǎng)景特寫。

提示詞：一個(gè)矮小蓬松的怪物跪在一根融化的紅蠟燭旁。藝術(shù)風(fēng)格為三維寫實(shí)，注重光影和質(zhì)感。這幅畫的基調(diào)是驚奇和好奇，怪物睜大眼睛、張開(kāi)嘴巴注視著火焰。它的姿勢(shì)和表情傳達(dá)出一種天真和俏皮的感覺(jué)，仿佛是第一次探索周圍的世界。暖色調(diào)和戲劇性燈光的使用進(jìn)一步增強(qiáng)了畫面的溫馨氛圍。

官方表示，Sora能一次性生成整個(gè)視頻，或擴(kuò)展生成的視頻以使其更長(zhǎng)。通過(guò)一次給模型許多幀的預(yù)見(jiàn)性，我們解決了一個(gè)具有挑戰(zhàn)性的問(wèn)題，即確保主體即使在暫時(shí)消失時(shí)也保持不變。

此外，此前的AI視頻模型都是單鏡頭單生成，而現(xiàn)在Sora拍著胸脯說(shuō)：我可以在同一段視頻里面，呈現(xiàn)有多角度的鏡頭，主體還能保證一致性。

提示詞：無(wú)人機(jī)拍攝大蘇爾加雷點(diǎn)海灘上海浪拍打崎嶇懸崖的景象。湛藍(lán)的海水拍打出白色的浪花，夕陽(yáng)的金光照亮了巖石海岸。遠(yuǎn)處有一座小島，島上有一座燈塔，綠色的灌木叢覆蓋著懸崖邊緣。從公路到海灘的陡峭落差非常壯觀，懸崖的邊緣突出海面。這里的景色捕捉到了海岸的原始之美和太平洋海岸公路的崎嶇地貌。

Sora的這一波展示，在海內(nèi)外迅速引發(fā)熱議：

Youtube上一位知名播主Paddy Galloway表達(dá)了自己的一些碎片化思考：“內(nèi)容創(chuàng)作的游戲規(guī)則徹底改寫了。這絕不是言過(guò)其實(shí)……動(dòng)畫師和3D藝術(shù)家可能將面臨前所未有的挑戰(zhàn)，庫(kù)存視頻網(wǎng)站可能很快就會(huì)失去它們的市場(chǎng)地位，任何人都能即刻制作出精美的角色，實(shí)現(xiàn)高質(zhì)量制作的門檻降至零……從文本轉(zhuǎn)換到視頻的能力將成為一項(xiàng)極具價(jià)值的技能……”

也有微博網(wǎng)友認(rèn)為：“專業(yè)門檻降低，可以用上專業(yè)工具，但一樣要拼創(chuàng)意、審美和表達(dá)的精準(zhǔn)性。”

還有人為AI視頻領(lǐng)域的兩家潛在獨(dú)角獸擔(dān)憂：“如果Sora這個(gè)效果不是特別選出來(lái)而是平均生成水準(zhǔn)的話，那Pika和Runway可能要被干掉了?！?/span>

而專業(yè)人士已經(jīng)在群里開(kāi)始討論：Sora通過(guò)觀察大量數(shù)據(jù)，學(xué)會(huì)了許多關(guān)于世界的物理規(guī)律，這是不是已經(jīng)出現(xiàn)了世界模型的雛形？

世界模型是一種對(duì)環(huán)境有著內(nèi)部理解的AI系統(tǒng)。它可以利用自己對(duì)環(huán)境的理解來(lái)模擬該環(huán)境中未來(lái)可能發(fā)生的事件，被認(rèn)為是通向AGI（人工通用智能）的新方向。

在海內(nèi)外一片驚呼聲中，Open AI也向公眾展示了這一版視頻模型的缺點(diǎn)。

比如，它可能難以準(zhǔn)確模擬復(fù)雜場(chǎng)景的物理學(xué)，并且可能無(wú)法理解具體的因果實(shí)例。例如，一個(gè)人可能會(huì)咬一口餅干，但之后餅干可能沒(méi)有咬痕。

模型還可能混淆提示的空間細(xì)節(jié)，比如左右混淆，并可能難以準(zhǔn)確描述隨著時(shí)間的推移而發(fā)生的事件，例如遵循特定的相機(jī)軌跡。

幸好，它現(xiàn)在還不夠完美。

不過(guò)，OpenAI堅(jiān)信：“Sora是能夠理解和模擬現(xiàn)實(shí)世界的模型的基礎(chǔ)”“這種能力將是實(shí)現(xiàn)AGI的一個(gè)重要里程碑。”