现实不存在了？不，这就是现实|AI_新浪财经

　　转自：星空财研

　　这样的技术并没有超越现有科技水平，但它确实是一次创新。它让我们意识到，之前的 AI 绘画模型可能走错了方向。Sora 的成功告诉我们，将 AI 与游戏引擎相结合，可以实现更为高效和逼真的画面生成。

　　一觉醒来，AI讨论群里热血沸腾。

　　一头雾水的我看了数百条的聊天记录，发现原来OpenAI发布了最新的视频大模型Sora。

　　OpenAI的CEO奥特曼发布了一些演示视频，众所周知，当初谷歌演示的时候涉嫌造假，奥特曼干脆让网友提需求，他即时生成。

　　截止现在（北京时间2月16日11点），一部分海外IP用户反馈，已经可以在ChatGPT4上试用。

　　演示视频显示，60秒的一镜到底，视频中的女主角、背景人物，都达到了惊人的一致性，各种镜头随意切换，人物都是保持了神一般的稳定性。

Prompt： A stylish woman walks down a Tokyo street filled with warm glowing neon and animated city signage． She wears a black leather jacket， a long red dress， and black boots， and carries a black purse． She wears sunglasses and red lipstick． She walks confidently and casually． The street is damp and reflective， creating a mirror effect of the colorful lights． Many pedestrians walk about．

　　我对 Sora 生成的画面非常感兴趣，尤其是它在不崩、不闪方面的表现。

　　确实，Sora 的出现为 AI 视频领域带来了新的突破，其生成的画面质量令人印象深刻。

　　首先，我们来分析一下脸崩现象的原因。在目前的 AI 绘画工具中，许多大模型在处理大幅画面时，往往会遇到面部细节处理困难的问题。这是因为这些模型在训练过程中，可能没有接触到足够多的、具有大幅面画面的训练数据。因此，当它们面对实际问题时，就会出现细节处理不足的情况，也就是我们所说的“脸崩”。

　　此外，目前的 AI 大模型都是通过逐帧生成画面，然后将这些画面拼接成视频。这种方法在画面细节发生变化时，容易出现闪烁现象。这是因为每一帧的画面都是独立生成的，它们之间的差异会在视觉上形成闪烁效果。

　　然而，Sora 似乎成功地解决了这两个问题。有分析人士认为，Sora 使用了游戏引擎。我对此表示认同。事实上，使用游戏引擎来生成视频，可以有效地避免逐帧生成画面再拼接的弊端。通过游戏引擎，可以实现更为连续和自然画面生成，从而避免脸崩和闪烁现象。

　　英伟达高级科学家 Jim Fan 对 Sora 发表了一些观点。他认为 Sora 是一个数据驱动的物理引擎，它可以对真实世界和虚构世界进行模拟。这种模拟器通过去噪和梯度学习方式，学习了复杂的渲染、直观的物理、长期推理和语义理解。如果 Sora 真的使用了虚幻引擎 5 并接受了大量合成数据的训练，那么它的表现就一点也不令人惊讶了。

　　在 ChatGPT 3.5 推出之前，ChatGPT 发布了几个版本。尽管这些版本的表现令人惊艳，但它们的能力有限，并没有引起广泛关注。然而，ChatGPT 3.5 的推出让一切都变了。它一炮走红后，紧接着推出了付费的 4.0 版本。

　　与 ChatGPT 类似，Sora 的出现也让人感到措手不及。就在不久前，大家还在为 AI 视频去闪问题而努力。毕竟，我们都看过基于现有技术水平的论文，知道瓶颈在哪里，知道上限在哪里。然而，Sora 的出现就像是从天而降的天顶星科技，打破了我们的认知。

　　但是，如果 Sora 真的使用了游戏引擎，比如虚幻 5，那么这一切又都可以理解了。只能说之前的 AI 视频走的是 AI 绘画的老路，想当然地认为视频等于绘画逐帧叠加。Sora 巧妙地换了一条路，依然遵循 ChatGPT 的逻辑，用数据去驱动游戏引擎，再由游戏引擎生成画面。