繼ChatGPT后，OpenAI又在人工智能領(lǐng)域扔下一顆深水炸彈，引爆海內(nèi)外AI圈。2月16日，OpenAI發(fā)布“文生視頻”模型Sora。Sora 官網(wǎng)發(fā)布的幾十個(gè)視頻 Demo 中，有在東京街頭散步的女人、在咖啡杯里航行的海盜船、在雪原上走過(guò)的猛犸、無(wú)人機(jī)視角拍攝的海浪拍打峭壁、華麗的紙藝海底世界、維多利亞冠鴿的微距特寫，其視頻主體和環(huán)境的一致性令人震撼。Sora可以根據(jù)所輸入的prompt，直接輸出最高長(zhǎng)達(dá)60秒的視頻，并且包含高度細(xì)致的背景、復(fù)雜的多角度鏡頭，以及富有情感的多個(gè)角色。Sora出現(xiàn)以前，主流的AI視頻生成軟件如Pika、Runway等生成的視頻時(shí)長(zhǎng)普遍被限制在5秒內(nèi)，在特定情況下，應(yīng)用戶要求，能夠擴(kuò)展到16秒，這已是2024年以前AI生成視頻領(lǐng)域公認(rèn)的最長(zhǎng)時(shí)間紀(jì)錄。而Sora則突破常規(guī)，其獨(dú)特的能力允許它生成長(zhǎng)達(dá)一分鐘的視頻，這一時(shí)長(zhǎng)無(wú)疑將其置于行業(yè)絕對(duì)的領(lǐng)先地位。雖然Sora在文本生成視頻的領(lǐng)域取得了顯著的進(jìn)展，但它也只是文生視頻革命的初步嘗試。Sora的推出讓我們見(jiàn)證了一個(gè)技術(shù)奇跡，這個(gè)能夠快速且優(yōu)質(zhì)地將文字描述轉(zhuǎn)化為視頻的AI工具，不僅代表著AI技術(shù)的一次巨大飛躍，也預(yù)示著我們熟悉的許多行業(yè)即將面臨一場(chǎng)新的革命。在短視頻內(nèi)容消費(fèi)領(lǐng)域，隨著Sora的出現(xiàn)，用戶能夠迅速制作出各種類型的視頻內(nèi)容，未來(lái)稀缺的不再是視頻拍攝或者剪輯的能力，而是獨(dú)特的創(chuàng)意。影視和游戲等行業(yè)是文生視頻落地的重要場(chǎng)景，文生視頻用文字就可以編輯和生成想要的故事情節(jié)，實(shí)現(xiàn)創(chuàng)意輔助和降本增效。而憑借為內(nèi)容生成賦能這一獨(dú)特優(yōu)勢(shì)，文生視頻的前景也是毋庸置疑。但是Sora在視頻生成方面還較明顯地有著各類Bug，這也是OpenAI遲緩?fù)瞥鯯ora的重要原因之一。在OpenAI的官網(wǎng)介紹中，OpenAI表示Sora可能難以準(zhǔn)確模擬復(fù)雜場(chǎng)景的物理原理，并且可能無(wú)法理解因果關(guān)系，還可能混淆提示的空間細(xì)節(jié)，例如混淆左右，并且可能難以精確描述隨著時(shí)間推移發(fā)生的事件，例如遵循特定的相機(jī)軌跡。在其他行業(yè)，如算力，受益于Sora驅(qū)動(dòng)的AI視頻生成技術(shù)對(duì)強(qiáng)大計(jì)算能力的持續(xù)渴求，市場(chǎng)需求將迎來(lái)顯著增長(zhǎng)；又如安全行業(yè)，普遍認(rèn)為在AI視頻生成廣泛應(yīng)用后，安全領(lǐng)域的革新將會(huì)是最受惠的方向之一，可預(yù)見(jiàn)的是，隨著技術(shù)的發(fā)展和普及，市場(chǎng)上將涌現(xiàn)一大批專注于視頻真?zhèn)舞b別技術(shù)研發(fā)與服務(wù)的新興企業(yè)。以抖音為例，抖音在短視頻和社交媒體方面的海量數(shù)據(jù)資源，會(huì)使其在文生視頻模型的研發(fā)上占據(jù)獨(dú)特優(yōu)勢(shì)。MagicVideo-V2的發(fā)布及其效果上的顯著提升，已經(jīng)證明了字節(jié)跳動(dòng)在該領(lǐng)域的技術(shù)實(shí)力與創(chuàng)新能力。同時(shí)，火山引擎大模型服務(wù)平臺(tái)“火山方舟”的推出，以及與多家合作伙伴共建的生態(tài)體系不斷完善，抖音不僅能夠利用自身的龐大用戶基礎(chǔ)產(chǎn)生的實(shí)時(shí)、多樣的數(shù)據(jù)流進(jìn)行訓(xùn)練優(yōu)化，還有望通過(guò)高效的模型迭代和協(xié)同創(chuàng)新，在未來(lái)開發(fā)出能與Sora匹敵甚至超越的新一代文生視頻模型。但這樣的優(yōu)勢(shì)能否快速補(bǔ)充其他的發(fā)展短板，摘下國(guó)內(nèi)首個(gè)正式開放文生視頻桂冠，仍需要時(shí)間來(lái)證明。有個(gè)問(wèn)題需要注意的是，ChatGPT成功運(yùn)行最少需要一萬(wàn)張英偉達(dá)GPU提供算力，迭代到GPT-4后，其所需的英偉達(dá)GPU數(shù)量被爆超過(guò)了2萬(wàn)張，價(jià)值達(dá)數(shù)億美元。而面對(duì)這種投入產(chǎn)出比，國(guó)內(nèi)大模型廠商擔(dān)憂的不是能不能做出Sora，而是投入重金研發(fā)后，硅谷是否會(huì)有開源模型突襲。對(duì)于中國(guó)企業(yè)來(lái)說(shuō)，Sora是前方需要追趕的又一個(gè)目標(biāo)，它為更多內(nèi)容創(chuàng)作及其他行業(yè)帶來(lái)了全新的思考和機(jī)遇，百度、科大訊飛等在大語(yǔ)言模型中領(lǐng)先的企業(yè)，以及擁有海量數(shù)據(jù)資源的抖音，都應(yīng)該加速了。雖然我國(guó)文生視頻領(lǐng)域尚且沒(méi)有明星產(chǎn)品的出現(xiàn)，但更多有人才、有技術(shù)的文生視頻公司正在不斷涌現(xiàn)。
加載中,請(qǐng)稍侯......