OpenAI 推出 Sora：具有令人印象深刻的功能的革命性文本到视频模型
Summary:
OpenAI 推出了一种文本到视频模型 Sora，可以将简单的文本提示转换为详细的 60 秒视频。利用类似于其基于图像的前身DALL-E 3的“扩散”模型，Sora生成类似于“静态噪声”的初始视频或图像，并逐步对其进行细化。尽管具有强大的功能，但OpenAI承认在准确表示复杂场景的物理特性和理解因果关系方面存在局限性。目前，网络安全研究人员和选定的艺术家已获得对 Sora 的访问权限，以进行评估和反馈。网上流传了几篇关于Sora能力的演示，引起了人们的极大兴趣。
著名的人工智能机构OpenAI刚刚推出了其新颖的文本到视频模型Sora，尽管最初反应积极，但承认仍有改进的空间。OpenAI 于 2 月 15 日宣布的 Sora 利用 AI 的功能将纯文本提示转换为复杂的视频，增强预先存在的视频，甚至从静态图像制作场景。Sora 能够制作 60 秒的视频，其中包含丰富的细节、众多表现出生动情感的角色和复杂的摄像机运动。
在 2 月 15 日发布的一篇博客文章中，OpenAI 报告说，Sora 可以构建分辨率质量高达 1080p 的电影制作的序列。与 OpenAI 早期以图像为中心的模型 DALL-E 3 类似，Sora 练习了一种“扩散”模型，其中 AI 生成类似于“静态噪声”的初始视频或图像，然后通过逐步“消除噪声”来对其进行优化。
根据 OpenAI 的说法，Sora 的开发是基于他们之前的模型 GPT 和 DALL-E3 的学习，这表面上提高了模型在镜像用户输入方面的准确性。OpenAI 承认 Sora 存在局限性，例如难以正确表示复杂场景的物理特性以及误读因果关系。此外，Sora 可能会误解和歪曲提示的“空间细节”，从而错位方向或无法遵守精确的描述。
目前，OpenAI 仅让“红队成员”（主要是网络安全研究人员）可以访问 Sora，以发现可能的风险和问题，此外还有一些选定的设计师、视觉艺术家和电影制作人为进一步改进提供反馈。斯坦福大学于 2023 年 12 月发表的一项研究指出，与使用 LAION 等 AI 数据库的图像或视频制作模型相关的关键伦理和法律困境。
Sora在X上引发了轰动，有超过173,000个帖子讨论了该模型，并传播了其功能的视频演示。OpenAI 首席执行官 Sam Altman 通过根据 X 用户的要求生成自定义视频来展示其潜力。各种例子包括龙背鸭和金毛猎犬在山顶上主持播客。
包括 AI 评论员 Mckay Wrigley 在内的一些人对 Sora 制作的视频表示敬畏。在 2 月 15 日发表在 X 上的一篇文章中，英伟达的高级研究员 Jim Fan 断言，他相信 Sora 不仅仅是像 DALL-E 3 那样的 AI 玩具，而是一个更进化的“数据驱动的物理引擎”，能够实现逼真的渲染、直观的物理、长视距推理和语义基础。
Published At
2/16/2024 8:56:53 AM
Disclaimer: Algoine does not endorse any content or product on this page. Readers should conduct their own research before taking any actions related to the asset, company, or any information in this article and assume full responsibility for their decisions. This article should not be considered as investment advice. Our news is prepared with AI support.
Do you suspect this content may be misleading, incomplete, or inappropriate in any way, requiring modification or removal?
We appreciate your report.