據(jù)OpenAI官網(wǎng),OpenAI首個(gè)視頻生成模型Sora發(fā)布,完美繼承DALL·E 3的畫質(zhì)和遵循指令能力,能生成長達(dá)1分鐘的高清視頻。
AI想象中的龍年春節(jié),紅旗招展人山人海。
有緊跟舞龍隊(duì)伍抬頭好奇官網(wǎng)的兒童,還有不少人掏出手機(jī)邊跟邊拍,海量人物角色各有各的行為。
一位時(shí)髦女士漫步在東京街頭,周圍是溫暖閃爍的霓虹燈和動感的城市標(biāo)志。
一名年約三十的宇航員戴著紅色針織摩托頭盔展開冒險(xiǎn)之旅,電影預(yù)告片呈現(xiàn)其穿梭于藍(lán)天白云與鹽湖沙漠之間的精彩瞬間,獨(dú)特的電影風(fēng)格、采用35毫米膠片拍攝,色彩鮮艷。
豎屏超近景視角下,這只蜥蜴細(xì)節(jié)拉滿:
OpenAI表示,公司正在教授人工智能理解和模擬運(yùn)動中的物理世界,目標(biāo)是訓(xùn)練出能夠幫助人們解決需要與現(xiàn)實(shí)世界互動的問題的模型。在此,隆重推出文本到視頻模型——Sora。Sora可以生成長達(dá)一分鐘的視頻,同時(shí)保證視覺質(zhì)量和符合用戶提示的要求。
如今,Sora正面向部分成員開放,以評估關(guān)鍵領(lǐng)域的潛在危害或風(fēng)險(xiǎn)。同時(shí),OpenAI也邀請了一批視覺藝術(shù)家、設(shè)計(jì)師和電影制作人加入,期望獲得寶貴反饋,以推動模型進(jìn)步,更好地助力創(chuàng)意工作者。OpenAI提前分享研究進(jìn)展,旨在與OpenAI以外的人士合作并獲取反饋,讓公眾了解即將到來的AI技術(shù)新篇章。
Sora模型能夠生成包含多個(gè)角色、特定類型運(yùn)動和主體及背景精確細(xì)節(jié)的復(fù)雜場景。該模型不僅能理解用戶在提示中所要求的內(nèi)容,還能理解這些事物在現(xiàn)實(shí)世界中的存在方式。該模型對語言有深刻理解,能準(zhǔn)確解讀提示,并生成表達(dá)豐富情感的引人入勝的角色。Sora還能在單個(gè)生成的視頻中創(chuàng)建多個(gè)鏡頭,使角色和視覺風(fēng)格保持準(zhǔn)確一致。
比如一大群紙飛機(jī)在樹林中飛過,Sora知道碰撞后會發(fā)生什么,并表現(xiàn)其中的光影變化。
一群紙飛機(jī)在茂密的叢林中翩翩起舞,在樹林中穿梭,就像候鳥一樣。
Sora還可以在單個(gè)視頻中創(chuàng)建多個(gè)鏡頭,并依靠對語言的深入理解準(zhǔn)確地解釋提示詞,保留角色和視覺風(fēng)格。
對于Sora當(dāng)前存在的弱點(diǎn),OpenAI也不避諱,模型在準(zhǔn)確模擬復(fù)雜場景的物理特性方面可能會遇到困難,也可能無法理解具體的因果關(guān)系實(shí)例。例如“五只灰狼幼崽在一條偏僻的碎石路上互相嬉戲、追逐”,狼的數(shù)量會變化,一些憑空出現(xiàn)或消失。
此外,模型還可能會混淆提示的空間細(xì)節(jié),例如左右不分,并且在處理隨時(shí)間發(fā)生的事件的精確描述方面也可能存在困難,比如跟蹤特定的攝像機(jī)軌跡。
如提示詞“籃球穿過籃筐然后爆炸”中,籃球沒有正確被籃筐阻擋。
技術(shù)方面,目前OpenAI透露的不多,簡單介紹如下:
Sora是一種擴(kuò)散模型,從噪聲開始,能夠一次生成整個(gè)視頻或擴(kuò)展視頻的長度,
關(guān)鍵之處在于一次生成多幀的預(yù)測,確保畫面主體即使暫時(shí)離開視野也能保持不變。
與GPT模型類似,Sora使用了Transformer架構(gòu),有很強(qiáng)的擴(kuò)展性。
在數(shù)據(jù)方面,OpenAI將視頻和圖像表示為patch,類似于GPT中的token。
通過這種統(tǒng)一的數(shù)據(jù)表示方式,可以在比以前更廣泛的視覺數(shù)據(jù)上訓(xùn)練模型,涵蓋不同的持續(xù)時(shí)間、分辨率和縱橫比。
Sora建立在過去對DALL·E和GPT模型的研究之上。它使用DALL·E 3的重述提示詞技術(shù),為視覺訓(xùn)練數(shù)據(jù)生成高度描述性的標(biāo)注,因此能夠更忠實(shí)地遵循用戶的文本指令。
除了能夠僅根據(jù)文本指令生成視頻之外,該模型還能夠獲取現(xiàn)有的靜態(tài)圖像并從中生成視頻,準(zhǔn)確地讓圖像內(nèi)容動起來并關(guān)注小細(xì)節(jié)。
該模型還可以獲取現(xiàn)有視頻并對其進(jìn)行擴(kuò)展或填充缺失的幀,請參閱技術(shù)論文了解更多信息(晚些時(shí)候發(fā)布)。
Sora是能夠理解和模擬現(xiàn)實(shí)世界的模型的基礎(chǔ),OpenAI相信這一功能將成為實(shí)現(xiàn)AGI的重要里程碑。
每日經(jīng)濟(jì)新聞綜合OpenAI官網(wǎng)