OpenAI公开了AI视频生成（文生视频）模型Sora，它可以创建长达 60 秒的视频，其中包含高度详细的场景、复杂的摄像机运动和具有生动情感的多个角色。以下是介绍：
模型介绍：
- 功能特点： Sora能够创建包含多个角色、特定运动动作以及细腻主题和背景细节的复杂场景。它不仅能解析文本说明，还能深刻理解这些元素如何在物理环境中互动呈现。
- 测试阶段： 目前，Sora正逐步开放给红队成员进行测试，以评估其在识别关键风险和潜在危害方面的性能。同时，我们也邀请了视觉艺术家、设计师和电影制作人参与体验，以便通过他们的反馈改进模型。
能力展示：
- 情感表达： 得益于对语言的深入理解，Sora能够精准解读提示信息，并生成展现情感的角色动画。
- 视角切换： Sora还能在单个生成的视频中灵活切换镜头视角，保持角色一致性和整体视觉风格的协调。
局限性：
尽管Sora功能强大，但当前版本仍存在一些局限性。例如，在模拟复杂的物理过程时可能不够精确，可能出现因果关系逻辑不连贯的情况。此外，模型有时会对空间方位（如左右方向）产生混淆，且在处理时间连续性表达方面存在挑战。
安全措施：
在将Sora应用于OpenAI产品之前，我们采取了一系列安全措施。我们与红队专家团队合作，对模型进行严格对抗性测试。同时，我们还开发了工具来检测误导性内容，并计划在未来的应用中嵌入C2PA元数据标准以追踪生成视频的来源。
技术细节：
Sora是一个基于扩散模型的创新技术。它从看似随机噪声的初始视频开始，通过多步骤去噪过程逐渐生成清晰视频。它采用transformer架构，具有卓越的拓展能力。视频和图像被拆解成一系列称为补丁的数据单元，每个补丁相当于GPT中的令牌。这种统一的数据表示方式使得我们能够在更广泛的视觉数据集上训练扩散转换器。
未来展望：
我们期待与全球范围内的政策制定者、教育工作者以及艺术家合作，探索这项技术的正面应用场景。虽然我们已经进行了大量研究和测试，但仍无法预知所有用户如何充分利用这一技术或所有潜在的滥用行为。因此，从实际应用中学习是推动AI系统安全性不断升级的关键。
总结：
Sora是我们朝着理解和模拟真实世界的AI模型迈进的重要一步。我们相信这种能力对于实现通用人工智能（AGI）具有里程碑式的意义。随着技术的不断进步和完善，我们期待Sora在未来能够为我们带来更多令人惊叹的创意和可能性。
0条评论