2024-03-01 11:04
外媒抢先实测Sora，视频大翻车惨不忍睹？不懂物理/动物变形/速度巨慢，但初创公司已经创死一片
虽然功能还未正式开放，但已经有外媒抢先上手体验了!
结果就是——Sora翻车了!
最近，就在外界对Sora一片赞誉声之时，一些冷静的外媒，也开始发出了质疑的声音。
Bloomberg认为：Sora的确令人印象深刻，但它尚未准备好迎接未来的黄金时段。
原因就在于，Sora现在对于身体部位的理解和物理学的复杂原理还无法完全掌握，并且，它处理请求的时间，实在是太长了!
用作者Peebles的话来说就是，Sora的速度太慢了，你可以在等待视频生成时去吃点零食。
因为Sora至今仍在红队测试中，还无法直接访问。只有被选中的艺术家、电影制作人和设计师才能获得访问系统的权限。
为了一睹传说中视频王炸模型的真正实力，Bloomberg的记者给OpenAI的研究者发去了这样一段prompt——
「An overhead view of a parrot flying through a verdant Costa Rica jungle, then landing on a tree branch to eat a piece of fruit with a group of monkeys. Golden hour, 35mm film.」
大意是：一只绚丽多彩的鹦鹉在哥斯达黎加的繁茂丛林中翱翔，最终停落在一枝树干上，与一群猴子分享一块甘甜的水果。正值一天中最为美妙的黄金时段，阳光透过树冠，照在叶片和猴子洁白的毛发上，闪烁着金色的光芒。
Sora生成的视频是这样的。
看上去还不错，对不对?
然而如果仔细看，就会发现不少问题。
比如，鹦鹉的翅膀在飞过猴子时会发生扭曲。
prompt里只要求一只鹦鹉，Sora却生成了好几只。
此外，水果本身，以及上面变换莫测的爪子，都透出一股诡异的气息……
最好笑的是，不仅其中一只鹦鹉像是「挂了」似的脖子突然一歪，而且旁边的猴子也秒变「不明生物」长出了一条鹦鹉尾巴。
对此，Sora作者、OpenAI科学家Bill Peebles是这样解释的：「的确，现在Sora在某个片段的不同阶段会出现一些奇怪的动作。但是，Sora能够对这种复杂程度的场景进行建模，已经表明了它的视频生成能力有了质的飞跃。」
具体哪一天能用上Sora呢，我们已知的是，至少目前还遥遥无期。
OpenAI发言人Natalie Summers 表示，OpenAI没有设定发布Sora的时间表，因为希望能降低它和选举相关的安全风险。
毕竟，AI Deepfake已经多次有黑名单记录，如果正值此时发布新的AI视频工具，会让OpenAI显得很可疑。
且不管安全问题，Sora在准备好进入黄金时段之前，仍然有很长的路要走。
OpenAI自己也在技术报告中承认，Sora对身体部位的杂散问题和对物理学的混合理解，仍有很大的进步空间。
当然，这个问题也不是只有Sora才会遇到。它是Runway、Pika等AI视频所共同面临的问题。
Runway生成的威尔史密斯吃面
而且，对于每个视频，Sora都需要消耗更多的算力，也需要等待更长的时间。
这个时间，可不是像DALL-E 3生成单个图像那么简单。
Sora处理每个请求的时间究竟是多长呢?
OpenAI没有明确回复，但Peebles表示，它「绝对不是即时的」，因为「你可以在等待模型运行的时候，去吃点零食。」
这个过程可能非常漫长，因为Bloomberg记者给了OpenAI四个prompt，但他们只给了两个视频，另外两个实在是没时间做了。
就在最近，OpenAI申请的Sora商标注册描述也曝光了!
其中对Sora能力的介绍如下——
生成视频和图像;
基于自然语言提示、视觉提示、文本、语音创建、生成和编辑视频和图像;
视频和图像识别、处理、分析、理解和生成；
编辑、组织、修改、传输、上传、下载和分享视频、图像和音视频材料;
创建和生成文本到视频以及文本到图像的内容。
文件曝光后，让AI研究者们更吃惊了!
所以，Sora不仅可以生成视频，还对视频和图像有理解能力?
谷歌的Gemini 1.5 Pro可以分析1小时的视频，而Sora也具有类似能力，真的可以说是降维打击了。
大家后知后觉地明白过来：Gemini 1.5 Pro发布后不久，OpenAI就拿出Sora来狙击，看来还真是不无道理。
现在从OpenAI的模型推出计划来看，Sora目前应该是处于「评估和迭代开发」阶段。
下一步将是分阶段推出阶段，包括私人测试版、测试用例和进一步的安全测试。
搓搓手，目测一年内应该能等到。
与此同时，TikTok上，OpenAI的账户一夜爆火，几天内涨粉18万，收获接近100万赞。
而最近，Sora的TikTok账号上还在不断放出新视频。
比如这个一厨房的厨师和厨具的视频，就是Sora根据DALL-E 3生成的图像生成的视频。
首先，DALL-E 3生成了这样一幅静图。
然后，Sora根据这幅静图，生成了下面这段视频。
在评论区，有人留言表示，想看看Sora创作出从来不存在的生物。
现在，Sora也来交卷了。根据Prompt「创造一个从未存在过的逼真动物，自然纪录片风格」，它生成的视频是这样的——
乍一看怎么像是帕鲁们来到3次元。(手动狗头)
最近，所有VC的会上都在谈Sora。
OpenAI的每一次技术突破，都拓展了资本圈对AI的想象空间。代价就是，大多创业公司的路，也被堵死了。
半个月前，Sam Altman发布AI技术Sora制作的超逼真电影视频时，所有人都意识到，无论是科技行业还是好莱坞，都敲响了警钟。
外媒The Information发现，自己长期跟进的至少七家开发AI视频生成器的公司，已经感到了恐惧。
同时感到恐惧的，还有给他们投了超过5.5亿美元的投资人。
在Sora视频在全网引发狂潮后，一位投资人私下表示：太幸运了，最近一家热门AI视频初创公司的一轮融资，还好自己错过了。
而另一位资助了AI视频初创公司的投资人表示，让自己感到欣慰的是，如果真的发生了这种情况，或许这家初创公司强大的领导者，会使其成为一个很好的收购目标。
Sora的视频亮点，就在于它在模拟现实世界的物理原理，尽管并不完美。
但是AI视频如此神速的进步速度令人震惊，也让人不得不相信：它很快就能制作出成熟的电影了。
风险资本家马特·图尔克在X上的一篇帖子中半开玩笑地说，或许到2025年，我们就可以让Sora拍一集今晚就要播出的《毒枭》，要求布拉德·皮特、野兽先生和特拉维斯·凯尔斯主演。
Altman扔出Sora这个王炸后，所有目光都集中在了Runway上。
此前，在AI视频领域，Runway可以算得上是领头羊之一。
它的产品中添加了AI功能，甚至包括从头开始创建视频拆条的能力。
Runway的AI视频生成器，使用了Runway自己开发的潜在扩散模型，因此市场认为这家小型初创公司有可能会迎头赶上，也不无道理。
当然，现阶段的Runway视频，还无法和Sora对打。
因为分辨率太低，它们会不由得让人产生恐怖谷效应。
另一处鲜明的对比是，Runway用户一次最多只能生成16秒的视频，而Sora却能做出一分钟的长视频。
Runway CEO Cristóbal Valenzuela表示：视频模型代表了创意产业未来的一些最重要的技术，所以思考这个问题的人越多越好……还有很长的路要走。
其他竞争对手的发展，也不容小觑，比如Meta、Stable Diffusion、Pika等，最近都推出了类似的AI视频产品。
以AI生成图像闻名的AI初创公司Midjourney，现在也在准备自己的视频产品。
AI视频，会成为摇钱树吗?
一个大问题是，AI视频是否会像AI生图一样发展呢?
或许它会是一项令人印象深刻的壮举，但不一定是摇钱树。
只有Midjourney是例外，它获得了超过2亿美元的收入。
但其他的AI图像生成器，甚至包括OpenAI的DALL-E 3.其实并没有赚多少钱。
Meta虽然拥有蓬勃发展的广告业务，但并没有试图这样做。
Sora的其他竞争对手，Pika、Stable Diffusion等等，也都没有这样做。
对于AI视频初创公司来说，好消息是，OpenAI不太可能让人免费使用Sora。部分原因是，运营这项技术的成本很高。
这也就意味着，其他公司可以对自己的产品收费。
现在，它们还有机会!因为Sora在几个月内，可能都不会开放使用。
还有一个未解之谜，Sora的训练数据究竟是来自哪里的呢?
有一些行业观察人士(如Meta的AI领导者之一Soumith Chintala)推测，其中就有游戏引擎生成的合成数据。
游戏引擎可以渲染视觉效果，以前这个功能主要用于开发视频游戏。
现在，如果OpenAI能使用合成数据的话，这可能就意味着YouTube、好莱坞电影库之类的专有数据集，对于开发AI视频模型的重要性不如大多数研究者此前认为的那么重要。
这也就意味着：如果AI开发者能生成良好的合成数据，也就可以赚钱了。
往远了看，如今AI已经把人类的文本都学完了，下一步就是视频。如果视频素材也学完了，该怎么办?
有人说，那时就可以给大模型装上摄像头，因为人类世界每天需要学习的东西可太多了。
Sam Altman张口要7万亿美元，或许是OpenAI真的研究出了了不得的东西，比如即将成形的AGI。
算力、数据，手握这些资源的，就会得到第一个AGI。
相关文章
近期文章
更多
Altman
