OpenAI推新款大模型Sora，可根據文本生成60秒視頻

·Sora可根據文本指令生成60秒視頻，可生成具有多個角色、特定類型運動及精確主題和背景細節的復雜場景，并在單個生成視頻中創建多個鏡頭，準確保留角色和視覺風格。

·OpenAI正在教AI理解和模擬運動中的物理世界，目標是訓練模型來“幫助人們解決需要現實世界互動的問題”。不過，Sora在提示空間細節方面會混淆左右，也無法理解因果關系的具體實例。

Sora生成的視頻：幾只巨大的猛犸象穿過一片白雪覆蓋的草地，長毛在風中輕輕飄動，遠處是白雪覆蓋的樹木和大山。

開發出熱門聊天機器人ChatGPT后，OpenAI繼續在生成式人工智能上玩出新花樣。2月16日，OpenAI推出新的AI大模型Sora，該文生視頻大模型可通過快速文本提示創建“逼真”和“富有想象力”的60秒視頻。

OpenAI表示，Sora能夠根據文本指令生成長達60秒的視頻，同時保持視覺質量并遵守用戶提示。Sora可生成具有多個角色、特定類型運動以及精確主題和背景細節的復雜場景。該模型對語言有深刻理解，能夠準確領會提示，生成令人信服的角色。Sora還可以在單個生成視頻中創建多個鏡頭，準確保留角色和視覺風格。

Sora生成的視頻：一只貓叫醒了正在睡覺的主人。

“這個模型不僅能理解用戶在提示中要求什么，還能理解這些東西在現實世界中是如何存在的。”OpenAI表示，正在教人工智能理解和模擬運動中的物理世界，目標是訓練模型來“幫助人們解決需要現實世界互動的問題”。

除了能夠僅從文本指令生成視頻外，該模型還能夠利用現有的靜止圖像從中生成視頻，精確地將圖像內容動畫化，也可以利用現有視頻進行擴展或填充缺失的幀。

Sora有時會生成不合情理的動作，譬如在跑步機上倒著跑步。

不過，Sora仍在開發中，存在明顯“弱點”，特別是在提示空間細節方面會混淆左右，也無法理解因果關系的具體實例，比如制作了一個視頻，視頻中有人咬了一口餅干，但之后餅干上沒有咬痕。

Sora生成的視頻：五只小狼在一條礫石路上嬉戲追逐，周圍長滿了草。Sora的缺點是動物或人會憑空出現，特別是在包含許多實體的場景中。

Sora生成的視頻中，動物或人會憑空出現，特別是在包含許多實體的場景中。此外，Sora難以精確描述隨時間推移發生的事件，例如跟蹤攝像機的特定軌跡。

Sora生成的視頻：一把普通的塑料椅子在沙漠中被發現，人們小心翼翼地挖掘并撣去沙子。在這個例子中，Sora沒有將椅子建模為一個剛性物體，導致不準確的物理交互。

對于模型安全性的考量，OpenAI表示，計劃與一個專家團隊合作測試最新模型，密切關注錯誤信息、仇恨內容和偏見等。OpenAI還表示正在開發幫助檢測誤導性信息的工具，比如檢測分類器可以判斷視頻是何時由Sora生成的。其文本分類器可檢查并拒絕違反使用政策的文本輸入提示，例如極端暴力、性內容、仇恨圖像、名人肖像等。“我們還開發了魯棒性的圖像分類器，用于審查每個生成視頻的幀，以幫助確保它在顯示給用戶之前符合我們的使用政策。”

OpenAI表示，Sora將首先提供給網絡安全教授，以評估產品的危害或風險。一些視覺藝術家、設計師和電影制作人也能獲得Sora的訪問權限，以此收集關于創意專業人士如何使用Sora的反饋。

Sora生成的視頻：在“賽博朋克”背景下，一個機器人的生活故事。

市場研究公司ABI research高級分析師里斯?海登（Reece Hayden）表示，盡管多模態大模型并不新鮮，而且文生視頻的模型已經存在，但OpenAI聲稱Sora具有的長度和準確性使其與眾不同。海登認為，這類人工智能模型可能會對數字娛樂市場產生重大影響，新的個性化內容將在各個渠道傳播，“一個明顯的用例是電視，創造簡短的場景來支持敘事。”