专题：OpenAI发布首个视频生成模型Sora：输文字出视频
21世纪经济报道见习记者肖潇 北京报道
OpenAI在AI生成视频领域扔出一枚“王炸”。当地时间2月15日，OpenAI发布了第一个文生视频大模型Sora。这一模型可以根据用户输入的提示词生成长达一分钟的高清视频，虽然还没公开使用，但已经引发了热议。
在官方分享的演示视频中，Sora可以直接输出有多个角色、多种场景和运镜的画面。比如一段提示词为：镜头穿过熙熙攘攘的东京街道，跟随几个人享受雪天并逛街。在Sora生成的视频中，镜头从天空的雪花中俯冲，跟着一对牵手的情侣，走过日本风格的街道。
OpenAI官方演示视频AI视频的运用可以追溯到2022年。初创公司Runway被认为是这一技术领域的“鼻祖”，热门科幻电影《瞬息全宇宙》就用到了其视频编辑技术。从那时起，AI视频技术开始快速迭代，以Runway、Pika、Meta（Emu Video）为代表的公司进入竞争赛道。不过，这些AI视频大多只能维持几秒钟的长度，存在场景不逼真、元素闪现、运动不连贯等“一眼AI”的问题。
而在OpenAI目前公开的48个演示视频里，无论是猫踩醒被窝里的主人，模仿手机拍摄的尼日利亚街道，还是中国的春节舞龙活动......几乎看不出AI生成的痕迹。OpenAI解释，Sora不仅能满足提示词的要求，还理解各种物体在物理世界的存在方式。实现的最关键的一处技术突破是，“画面主体即使暂时离开镜头，也能保持不变。”因此生成视频的逼真度和连贯性有了肉眼可见的进步。
一位硅谷AI公司的从业者告诉21记者，根据她的使用体验，Sora在演示视频中展现的能力远远超Pika和Runway，“Pika只能生成3-15秒的视频，Sora能直接生成一分钟的视频。从画面效果和时长来看，Sora肯定是一个重要突破。”
业内普遍认为，Sora能力的提升，主要来自高质量的数据集，以及准确的语言理解能力。OpenAI 没有透露训练视频的大小、来源，只声称训练的是公开有版权的视频。前述从业者认为，Sora无疑有巨大的数据量，因此能够支持多大的调用量，视频加载和渲染有多少延迟，都将是后续挑战。“真正投入使用会是什么样？能不能达到官方演示的效果？”还是一个未知数。
OpenAI已经公开承认了一些Sora存在的缺陷：它可能难以呈现复杂的物理变化规律，无法理解因果关系，混淆空间细节。例如在演示视频中，一位寿星向生日蛋糕上的蜡烛吹气，但蜡烛没有任何变化；或者篮球直接穿透了篮筐，而不是从篮筐中进球。
值得注意的是，Sora目前定性为初期研究成果，不面向公众使用，因为公司担心深度伪造视频的滥用问题。现在只有一部分视觉艺术家、设计师和电影制作人有内部试用机会。此外，OpenAI 还在与第三方安全测试人员共享该模型，进行红队测试。
在安全问题上，Sora 已经包含了一个过滤器，阻止暴力、色情、仇恨，以及特定人物的视频输出。公司还将借鉴去年在DALL-E 3 上实验的图像探测器，把C2PA技术标准——一种内容追溯方式，也可以理解为内容水印——嵌入到Sora的输出视频中，以鉴别视频是否为AI深度伪造视频。
（作者：肖潇 编辑：王俊）
“掌”握科技鲜闻 （微信搜索techsina或扫描左侧二维码关注）
