sora是什么？一款劃時(shí)代的視頻智造軟件

OpenAI，是一家位于美國(guó)舊金山的人工智能研究公司，現(xiàn)由營(yíng)利性公司OpenAI LP及非營(yíng)利性母公司OpenAI Inc組成。核心宗旨在于“創(chuàng)建造福全人類的安全通用人工智能（AGI）”。使命是建立安全有益的AGL，確保通用人工智能造福全人類。OpenAI以大模型為核心開(kāi)創(chuàng)了AI領(lǐng)域的新一輪創(chuàng)新范式，成為引領(lǐng)通用人工智能領(lǐng)軍企業(yè)。

OpenAI最早為非營(yíng)利組織，于2015年底由包括薩姆·奧爾特曼（Sam Altman）、彼得·泰爾（Peter Thiel）、里德·霍夫曼（Reid Hoffman）和埃隆·馬斯克（Elon Musk）等創(chuàng)辦。2016年，發(fā)布首個(gè)產(chǎn)品，即一款開(kāi)源強(qiáng)化學(xué)習(xí)工具包——OpenAI Gym和Universe。隨著2018年埃隆·馬斯克的退出以及大模型對(duì)資金超乎預(yù)期的需求，2019年3月，OpenAI從非營(yíng)利性轉(zhuǎn)變?yōu)椤胺忭敗钡臓I(yíng)利性。同年7月，微軟與OpenAI合作，注資10億美元，共同研發(fā)新的Azure AI超算技術(shù)。2021年，設(shè)立初創(chuàng)企業(yè)基金，擬投資1億美元支持AI初創(chuàng)公司。2022年11月，OpenAI全新聊天機(jī)器人模型ChatGPT問(wèn)世，給AIGC的應(yīng)用帶來(lái)了更多的希望，產(chǎn)品上線僅5天用戶數(shù)量突破100萬(wàn)。2024年2月，文生視頻大模型Sora問(wèn)世，在全球內(nèi)容創(chuàng)作行業(yè)卷起新的風(fēng)暴，成為人工智能發(fā)展進(jìn)程中的“里程碑”，使OpenAI估值不到10個(gè)月增加近兩倍，或達(dá)800億美元。

2023年，公司收入突破16億美元。微軟是最大的投資者，擁有OpenAI股份49%。OpenAI躋身全球TOP50網(wǎng)站，位列福布斯《2023云計(jì)算100強(qiáng)榜單》榜首。以企業(yè)估值7100 億列2024年·胡潤(rùn)全球獨(dú)角獸榜第3。

作為 OpenAI 推出的全新視頻AI編輯軟件，Sora 最近受到了許多用戶的關(guān)注。

sora官網(wǎng)：https://openai.com/sora

2024年2月16日，OpenAI在其官網(wǎng)上面正式宣布推出文本生成視頻的大模型 Sora。 Sora能夠根據(jù)簡(jiǎn)單的文本描述，生成高達(dá)60秒的高質(zhì)量視頻，使得視頻創(chuàng)作變得前所未有的簡(jiǎn)單和高效。Sora的應(yīng)用范圍非常廣泛，從教育教學(xué)、產(chǎn)品演示到內(nèi)容營(yíng)銷等，都可以通過(guò)Sora來(lái)實(shí)現(xiàn)高質(zhì)量的視頻內(nèi)容創(chuàng)作。

一、Sora 是什么

那么，Sora 到底是什么呢？官方給出的釋義：Creating video from text（從文本創(chuàng)建視頻）。Sora是一個(gè)智能的視頻編輯生成應(yīng)用軟件，可以幫助用戶更加方便的輕松生成各類視頻。它是 OpenAI發(fā)布的首個(gè)文本生成視頻模型“Sora”，該模型通過(guò)接收文本指令，即可生成長(zhǎng)達(dá)60秒的短視頻。

二、Sora 的優(yōu)勢(shì)和不足

2.1 現(xiàn)實(shí)世界擬真

教人工智能理解和模擬運(yùn)動(dòng)中的物理世界，目標(biāo)是訓(xùn)練模型，幫助人們解決需要現(xiàn)實(shí)世界交互的問(wèn)題。

讓機(jī)器能夠像人類一樣，對(duì)世界產(chǎn)生一個(gè)全面而準(zhǔn)確的認(rèn)知。這一特性使得AI視頻生成更流暢、更符合邏輯。

這個(gè)可以看文章后面官網(wǎng)的視頻，基本上看不出來(lái)是AI制作的，很逼真。

2.2 長(zhǎng)視頻能力

Sora 可以生成長(zhǎng)達(dá)一分鐘的視頻，同時(shí)保持視覺(jué)質(zhì)量并遵守用戶的提示。

這個(gè)能力應(yīng)該是當(dāng)前所有文本生成視頻模型所不具備的，在 Sora 沒(méi)出來(lái)之前，文本生成視頻領(lǐng)域的大哥應(yīng)該是 Runway，但是Runway也只能生成4秒長(zhǎng)的視頻，用戶可以將其最多延長(zhǎng)至16秒，是AI生成視頻在2023年所能達(dá)到的最長(zhǎng)時(shí)長(zhǎng)紀(jì)錄。

為啥生成視頻難?視頻一秒目前大概是16幀左右，兩秒就要生成32張圖片，而且圖片之間還要有連貫的邏輯。

2.3 多角色、更細(xì)節(jié)、更準(zhǔn)確

Sora 能夠生成具有多個(gè)角色、特定類型的運(yùn)動(dòng)以及主題和背景的準(zhǔn)確細(xì)節(jié)的復(fù)雜場(chǎng)景。

該模型不僅了解用戶在提示中要求的內(nèi)容，還了解這些東西在物理世界中的存在方式。

2.4 情感豐富、多鏡頭

Sora 模型對(duì)語(yǔ)言有深刻的理解，使其能夠準(zhǔn)確地解釋提示并生成表達(dá)生動(dòng)情感的引人注目的角色。

Sora 還可以在單個(gè)生成的視頻中創(chuàng)建多個(gè)鏡頭，以準(zhǔn)確保留角色和視覺(jué)風(fēng)格。

2.5 復(fù)雜場(chǎng)景難模擬、空間細(xì)節(jié)容易混淆——弱點(diǎn)

Sora 目前難以準(zhǔn)確模擬復(fù)雜場(chǎng)景的物理特性，并且可能無(wú)法理解因果關(guān)系的具體實(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。

Sora 模型還可能混淆提示的空間細(xì)節(jié)，例如，左右混淆，并且可能難以精確描述隨時(shí)間推移發(fā)生的事件，例如遵循特定的相機(jī)軌跡。

2.6 檢測(cè)誤導(dǎo)內(nèi)容

Sora 團(tuán)隊(duì)還在構(gòu)建工具來(lái)幫助檢測(cè)誤導(dǎo)性內(nèi)容，例如檢測(cè)分類器，可以判斷視頻何時(shí)由 Sora 生成。

文本分類器將檢查并拒絕違反我們使用政策的文本輸入提示，例如那些請(qǐng)求極端暴力、色情內(nèi)容、仇恨圖像、名人肖像或他人 IP 的提示。

還開(kāi)發(fā)了強(qiáng)大的圖像分類器，用于查看生成的每個(gè)視頻的幀數(shù)，以幫助確保在向用戶顯示視頻之前，這些視頻符合我們的使用政策。

其實(shí)這是所有AIGC工具的通病，這個(gè)也是合規(guī)的重要評(píng)判標(biāo)準(zhǔn)之一。

三、Sora怎么使用

3.1、使用Sora前的準(zhǔn)備工作

在開(kāi)始之前，確保您已經(jīng)擁有了OpenAI賬目，并獲得了Sora的訪問(wèn)權(quán)限。準(zhǔn)備好您想要轉(zhuǎn)化成視頻的文本描述，記住越詳細(xì)越好。

3.2、Sora使用步驟之文本描述

登錄您的OpenAI賬戶，找到Sora的使用界面。在指定區(qū)域輸入您的文本描述，可以是一個(gè)故事概述、場(chǎng)景描述或是具體的動(dòng)作指令。

3.3、Sora使用步驟之生成視頻

完成文本描述和自定義設(shè)置后，點(diǎn)擊“生成視頻”按鈕。Sora將開(kāi)始處理您的請(qǐng)求，這可能需要幾分鐘時(shí)間。完成后，您可以預(yù)覽生成的視頻。

需要注意的是，截止2024年2月16日，OpenAI只向部分專業(yè)用戶開(kāi)放了Sora的訪問(wèn)權(quán)限。普通用戶只能觀看其發(fā)布的演示視頻。