您的位置:首页 >> 资讯动态 >> 科技互联 >> 内容

Sora炸裂科技圈:真神还是焦虑制造机

作者:吴狄 时间:2024-2-22 15:45:54 点击:

  核心提示:周鸿祎又口出狂言了。 他说,“AGI(通用人工智能)的实现将从10年缩短到1年”,而背后的原因,仅仅是因为一个1分钟的短视频。 注意看,这个女人叫小美,她正向我们走来。虽然身处日本某条热闹的大街,小...

这两天,Sora的横空出世,让很多人陷入科技狂欢,至今热度依然不减。

“炸裂”、“颠覆”、“断层式领先”、“降维打击”……众网友初见文生视频大模型Sora时,纷纷发出惊叹和赞扬。不少科技圈大佬也啧啧称赞,马斯克直接在社交平台感慨“gg humans”(人类输了),360公司董事长周鸿祎甚至预测,一旦AI能够接上摄像头,把所有电影和互联网上的视频都看一遍,就离AGI(通用人工智能)真的不远了,这一天可能在一两年内就会到来,而不是十年或二十年。就连春节后股市首个交易日也给出积极反馈——Sora大模型概念股多只涨停。

Sora是谁?为何能掀起巨浪?

如果你还不知道Sora,那它的母公司OpenAI发布的上一个AI产品,你一定听说过:人工智能ChatGPT。而Sora是OpenAI发布的一个AI文生视频大模型,它可将文字描述转化为长达60秒的高清视频。

周鸿祎又口出狂言了。

他说,“AGI(通用人工智能)的实现将从10年缩短到1年”,而背后的原因,仅仅是因为一个1分钟的短视频。

注意看,这个女人叫小美,她正向我们走来。虽然身处日本某条热闹的大街,小美却总是不停地回头张望,似乎在暗示观众镜头之外隐藏了不为人知的秘密。

Sora炸裂科技圈:真神还是焦虑制造机

▲图:主角出场

镜头拉近,可以清晰看到小美修长的脖子和优美的下颌线,让整个画面充满了令人无法抗拒的神秘和美感。

Sora炸裂科技圈:真神还是焦虑制造机

▲图:细节展示

实际上,整个短视频中,从街景到行人,包括小美,在现实中根本不存在。这是OpenAI最新产品Sora制作的演示视频,而正是这个视频,让周鸿祎做出了AGI发展将会10倍提速的预言。

传统方式制作这样一段1分钟的视频成本非常高。除了需要选址,选演员,提前进行分镜构图,架设机位外等,想要碰上如此理想的天气,还需要赌一赌运气。落日转瞬即逝,一旦失误就只能第二天重头来过。

拍摄完成后,是非常耗时的后期制作。不仅要调整画面色调,还要仔细核对画面中是否有瑕疵,比如眼镜反射的画面会不会导致穿帮、路人中是否出现不协调元素等等。

但Sora出马,全部流程就是(字面意义上的)一句话的事。

Sora官网上公布了十几段“制作”精良的高清演示短片, 从现实人物到3D动画,所有短片都是通过一句话生成的。

Sora炸裂科技圈:真神还是焦虑制造机

▲图:Sora展示视频

看过这些短片后,我科技圈的朋友集体表示“炸裂”;大众圈的朋友表示“AI都到了这种程度了吗”;而摄影圈的朋友表示,尽管还是能看出和人类摄影师有一点点差距,但依然被Sora的效果震撼了,进而纷纷开始和我讨论起失业以后,除了送外卖还可以从事什么工作。

但如果我们抛开网上铺天盖地、对Sora近乎玄幻的赞誉,跳出官网演示视频的魅惑就会发现,Sora本质上是生成式AI在视频领域的一个应用,一个diffusion transformer模型。

而官方宣传的Sora所有功能,例如通过文字或者图片生成高清短视频,在此基础上进行扩展生成一段更长的视频等,其实很多公司都在做。比较知名的产品包括已经商用的Runway,免费的Pika,以及还在完善阶段的Google Lumiere、Meta Make-A-Video,还有一些知名度稍低的产品如Leonardo,FinalFrame等等。

这里就有一个很大的疑问:凭什么出圈的又是Sora,它真有网上说的那么神吗?

凭借更逼真的效果

OpenAI再次出圈

1月24日,谷歌研究人员公布了一段Lumiere的演示视频。画质非常高清,且真实。

Sora炸裂科技圈:真神还是焦虑制造机

▲图:由Lumiere生成的游泳海龟视频

Lumiere除了可以生成真实图片外,还可以实现一键换装、根据图片和提示词生成动态视频等功能。

Sora炸裂科技圈:真神还是焦虑制造机

▲图:一键换装

Sora炸裂科技圈:真神还是焦虑制造机

▲图:通过图片生成视频

2月15日,刚刚过完情人节的谷歌在疯狂星期四又重磅推出了下一代AI产品Gemini 1.5。在此前的演示视频中,Gemini已经展现了其在图像识别和多轮对话中的逆天能力。

演示视频中,演示人员画了一个类似鸭子的轮廓让Gemini辨认,Gemini表示它觉得像个鸟。

Sora炸裂科技圈:真神还是焦虑制造机

▲图:Gemini演示

但是当演示人员画上了波浪后,Gemini表示通过长脖子长嘴又会游泳这几个依据,判断这是只鸭子。

Sora炸裂科技圈:真神还是焦虑制造机

▲图:Gemini演示

随后演示人员拿了个玩具小鸭子问Gemini这个东西是什么材质做的,Gemini表示看起来可能是橡胶也可能是塑料。而当演示人员捏响橡胶鸭子后,Gemini立刻判断出是用柔软的橡胶做成的。

Sora炸裂科技圈:真神还是焦虑制造机

▲图:Gemini演示

就在圈内很多人认为谷歌将要凭借Lumiere和Gemini拿下今年头条的时候,OpenAI仅仅用Sora就轻松获得了更高的关注度。

Sora这个词很有意思,它在韩语中表示海螺壳,在日语中表示天空,在芬兰语中表示砂砾。这就很难不让人想到《海底两万里》的鹦鹉螺号,《沙丘》,以及“我们的目标是星辰大海”的豪情壮志。

而且Sora是一个比较常见的名字,比Lumiere(法语,光)更短、更好读。

和GPT当年的故事如出一辙,Sora也是踩着竞争对手以碾压式的优势胜出。相比同类产品,Sora能抓住提示词的精髓,巧妙地生成具有多个角色和特定动作的场景。

有人做过对比,使用同样的提示词,让AI生成一个在花园里、似乎正在追逐什么东西、快乐奔跑的黄白相间的猫,最终结果的差距十分明显。

Sora炸裂科技圈:真神还是焦虑制造机

▲图:不同AI产品的效果对比

上面由Sora生成的视频看起来非常真实,甚至在奔跑时候,猫腮帮子上的毛都会随着脑袋起伏。而下面通过Pika, Runway, Leonardo, FinalFrame生成的视频,猫不仅看起来不像真的,连动作都很诡异。

在生成的视频时长上,Sora也碾压友商。Sora可以生成1分钟的视频,相对的,Pika是3秒,Runway是4秒,Lumiere是5秒。

最重要的是,Sora有望解决一个生成式AI的痛点,那就是同样的提示词通常不会生成同样的结果,例如“黄白相间的猫”这个提示词,不同的视频里会出现不同模样的黄白相间的猫。导致的结果,就是无法通过拼接来创作更长的视频。

尽管Sora一出道就秀出了远超同行的肌肉,但Sora并没有选择像Pika、Runway一样,开放给大众使用,而是采取了Google、Meta类似的保守策略,先官宣来吊足大家胃口,然后慢慢内测,等待一个合适的时机,再向大众开放。

因为,有很多关键问题,大家都没有找到好的解决方案。

AI一调皮

人类就头疼

生成式AI天生就有一个“不按物理定律出牌”的老毛病,即便是看起来已经非常接近真实世界的Sora也不例外。这个问题过于明显,以至于OpenAI都懒得去遮掩,干脆自己先大方的说了出来。

从内测用户流出的视频可以发现,Sora无视物理法则随意发挥的意愿十分高涨,而这种意愿在“必须还原物理世界”的规则约束下,很容易生成像人类做梦一样的场景。有过做梦经历的朋友应该会这样的体会:明明梦是虚幻的,但在梦里你的感受又很“真实”。

下面就是个很典型的例子。

Sora炸裂科技圈:真神还是焦虑制造机

▲图:Sora的梦境物理

注意看,视频中的这个杯子莫名其妙的跳了起来并侧翻在桌面上,杯中的液体在杯子跳起来的一瞬间穿透了杯底铺满桌面,而最终杯子连同里面剩余的液体一起,融进了桌面。

Sora炸裂科技圈:真神还是焦虑制造机

▲图:融进桌面的杯子

这样的视频显然无法应用在正式的场合,大概率只能出现在B站的鬼畜区,告诉你一个学了3年动画的人,是如何因为一个毕业作品被老师轰出门外的故事。

Sora炸裂科技圈:真神还是焦虑制造机

此外,Sora对算力有很高的要求。下面这个视频演示了低算力和高算力之间的差距能有多可怕。

Sora炸裂科技圈:真神还是焦虑制造机

▲图:算力差距

而想要高算力,就得花更多的钱。

以Runway为例,个人版收费模式分3档,标准版为每月15美元,可以制作一个125秒的Gen-1视频,或者44秒的Gen-2视频,相当于每秒1-2.4元人民币,超出部分需要额外付费。Pro版每月35美元,至尊版每月95美元。而用户如果希望加快视频的产出效率,也需要额外购买“时间”。

能力越大

危险越大

生成式AI在社会层面有几个老生常谈的问题。

首先就是造假问题。AI生成的视频越真实,造假就越容易。最直接的解决办法是将AI生成的内容打上一个特殊的标签,以便于平台将其和人工拍摄的视频进行区分,OpenAI和Google的确也在做这件事。

但水印的问题在于,它可以在分享的过程中会被人恶意抹除。例如通过截图、录屏的方式获得视频副本,不会带有任何水印。

其次是版权问题。版权问题比造假更加复杂,它既是一个形而上的宏大概念,又和每一个创作者的个人利益息息相关。目前对版权的争论主要集中在AI和人类对齐的过程中,比如,AI通过学习别的艺术家的风格在此基础上进行的创作,和人类以同样方式进行的创作,本质上有没有区别?

而更直白的问题则是,AI到底是来帮我赚钱的,还是来跟我抢钱呢?

这些问题一个比一个难解决,也就意味着Sora们至少在短时间内不会向公众开放。从某种角度来看,这或许对于视频制作者是一个好消息,至少有了更多的缓冲时间,来思考如何应对接下来Sora们带来的冲击。

无论如何,Sora们向公众开放,只是时间问题,至于会不会像周鸿祎预言的那么快,可能还存在疑问。但有一点毫无疑问:

那时候的Sora们,将比现在更加强大。

来源:零态LT(LingTai_LT)

特别声明:以上作品内容(包括在内的视频、图片或音频)为用户上传并发布,本平台仅提供信息存储空间服务。如遇版权问题,请立即联系删除。

Notice: The content above (including the videos, pictures and audios if any) is uploaded and posted by the user. This platform merely provides information storage space services. In case of copyright issues, please contact us at the first time and we will remove the related content immediately.

相关评论
我要评论
  • 大名: (*请输入您的大名,缺省将显示IP地址。)
  • 内容:
  • 愛德華網絡世界(www.ok5266.com) © 2004-2024 版权所有 All Rights Reserved.
  • E-mail:ok5266@gmail.com E-ICP備:05013632
  • Powered by Edward Web World V4.0.6