OpenAI似乎已經(jīng)在為Sora降世預(yù)熱了。 當(dāng)?shù)貢r(shí)間3月13日周三，OpenAI首席技術(shù)官米拉·穆拉蒂（Mira Murati）接受了《華盛頓郵報(bào)》的視頻專訪。 穆拉蒂在接受采訪時(shí)透露，目前利用Sora生成視頻的成本非常高，團(tuán)隊(duì)正在優(yōu)化技術(shù)，預(yù)計(jì)將在今年正式發(fā)布。 穆拉蒂透露，OpenAI人工智能文生視頻大模型Sora即將于今年晚些時(shí)候正式向公眾發(fā)布，OpenAI計(jì)劃最終加入音頻功能，以使場(chǎng)景更為真實(shí)，同時(shí)還將允許用戶編輯Sora生成的視頻內(nèi)容。 除此之外，穆拉蒂還回答了Sora的特別之處、如何修正瑕疵、是否會(huì)包含音頻、訓(xùn)練數(shù)據(jù)來(lái)自哪里等若干問(wèn)題。給出的答案有的籠統(tǒng)，有的不乏誠(chéng)意。 Sora如何“化文字為神奇”？請(qǐng)你想象一幕場(chǎng)景：“一條美人魚和她的螃蟹伙伴，正在一起瀏覽智能手機(jī)……” 作為這場(chǎng)媒體采訪的“福利”，主持人獲得了讓Sora將其提供的多組文本提示，轉(zhuǎn)化為視頻圖像的機(jī)會(huì)，而以上的這一幕，便是Sora提供的視頻中的一幀。 圖片來(lái)源：視頻截圖 Sora究竟是如何實(shí)現(xiàn)這一轉(zhuǎn)換的呢？穆拉蒂表示，盡管解釋美人魚的進(jìn)化可能都要比解釋“擴(kuò)散模型”(diffusion models)的內(nèi)部運(yùn)作容易得多，但簡(jiǎn)而言之便是：人工智能模型分析了大量視頻，學(xué)會(huì)了識(shí)別物體和動(dòng)作。然后，當(dāng)你給它一個(gè)文字提示時(shí)，它就會(huì)勾勒出整個(gè)場(chǎng)景，然后填充每一幀。 在被問(wèn)及OpenAI為Sora使用了哪些訓(xùn)練數(shù)據(jù)時(shí)，穆拉蒂指出，“我們使用了公開(kāi)數(shù)據(jù)和授權(quán)數(shù)據(jù)”。 在另外一段視頻里，主持人要求Sora制作一段她更為符合這場(chǎng)采訪的內(nèi)容：“兩位30多歲、有著棕色頭發(fā)的職業(yè)女性，在一個(gè)光線充足的演播室里坐下來(lái)接受新聞采訪。” 圖片來(lái)源：視頻截圖 最終，在Sora交出的“作業(yè)”里，無(wú)論是兩位女性嘴型和頭發(fā)的動(dòng)捕，還是皮夾克上的細(xì)節(jié)，一切看起來(lái)都那么真實(shí)。Murati指出，這段20秒的720p分辨率短片，Sora花了幾分鐘才制作完成，但目前還未能支持配備音效。 但穆拉蒂已承諾，他們計(jì)劃最終會(huì)添加聲音。 Murati還表示，當(dāng)前Sora生成視頻的成本遠(yuǎn)高于該公司的圖像生成器Dall-E。不過(guò)，在未來(lái)向公眾正式發(fā)布時(shí)，OpenAI將進(jìn)行優(yōu)化，以降低對(duì)算力的需求。 北京時(shí)間2月16日，OpenAI發(fā)布文生視頻模型Sora，效果驚艷，引爆全球。此時(shí)距離OpenAI推出ChatGPT，開(kāi)啟生成式AI時(shí)代，僅僅過(guò)去了14個(gè)月時(shí)間，AI的進(jìn)化速度令人震驚。 在Sora生成的視頻里，女士身著黑色皮衣、紅色裙子在霓虹街頭行走，不僅主體連貫穩(wěn)定，還有多鏡頭，包括從大街景慢慢切入到對(duì)女士的臉部表情的特寫，以及潮濕的街道地面反射霓虹燈的光影效果。 圖片來(lái)源：視頻截圖 Sora的研究結(jié)果表明，擴(kuò)展視頻生成模型是構(gòu)建物理世界通用模擬器一條極具前景的途徑，它使人工智能理解和模擬運(yùn)動(dòng)中的物理世界邁向了一個(gè)新的高度。 有業(yè)內(nèi)人士預(yù)言，通用人工智能（AGI）將比預(yù)期更早到來(lái)，產(chǎn)業(yè)差距將拉大。此外，文生視頻所帶來(lái)的顛覆性影響引發(fā)了人們的擔(dān)憂，亦有遠(yuǎn)慮者就真實(shí)與虛擬間模糊的邊界反復(fù)預(yù)警。但少有爭(zhēng)議的一點(diǎn)是，Sora被認(rèn)為有望推動(dòng)AI應(yīng)用加速落地。 與此同時(shí)，Sora的誕生引發(fā)了人們對(duì)于AI未來(lái)發(fā)展的更多展望。隨著技術(shù)的不斷進(jìn)步，AI將在更多領(lǐng)域發(fā)揮更大的作用。無(wú)論是工業(yè)生產(chǎn)、教育培訓(xùn)還是娛樂(lè)休閑等領(lǐng)域，AI都將為人類帶來(lái)更多的驚喜和可能性。 2月16日，360創(chuàng)始人周鴻祎發(fā)布微博提到自己對(duì)Sora的看法，周鴻祎認(rèn)為，Sora的誕生意味著AGI（通用人工智能）實(shí)現(xiàn)可能從10年縮短至一兩年。 談到Sora最大的優(yōu)勢(shì)，周鴻祎表示，以往文生視頻軟件都是在2D平面上對(duì)圖形元素進(jìn)行操作，可以把視頻看成是多個(gè)真實(shí)圖片的組合，并沒(méi)有真正掌握這個(gè)世界的知識(shí)。但Sora產(chǎn)生的視頻里，它能像人一樣理解坦克是有巨大沖擊力的，坦克能撞毀汽車，而不會(huì)出現(xiàn)汽車撞毀坦克這樣的情況，“這次OpenAI利用它的大語(yǔ)言模型優(yōu)勢(shì)，讓Sora實(shí)現(xiàn)了對(duì)現(xiàn)實(shí)世界的理解和對(duì)世界的模擬兩層能力，這樣產(chǎn)生的視頻才是真實(shí)的，才能跳出2D的范圍模擬真實(shí)的物理世界?！? 周鴻祎提到，有了大模型技術(shù)作為基礎(chǔ)，再加上人類知識(shí)的引導(dǎo)，可以創(chuàng)造各個(gè)領(lǐng)域的超級(jí)工具，例如在生物醫(yī)學(xué)、蛋白質(zhì)、基因研究，包括物理、化學(xué)、數(shù)學(xué)的學(xué)科研究上，大模型都會(huì)發(fā)揮作用。 “一旦人工智能接上攝像頭，把所有的電影都看一遍，把YouTube上和TikTok的視頻都看一遍，對(duì)世界的理解將遠(yuǎn)遠(yuǎn)超過(guò)文字學(xué)習(xí)，一幅圖勝過(guò)千言萬(wàn)語(yǔ)，這就離AGI真的就不遠(yuǎn)了，不是10年20年的問(wèn)題，可能一兩年很快就可以實(shí)現(xiàn)?！敝茗櫟t感慨。 每日經(jīng)濟(jì)新聞綜合OpenAI官網(wǎng)、每日經(jīng)濟(jì)新聞、公開(kāi)資料