OpenAI最近發(fā)布了一款名為Sora的新型文生視頻大模型，這個模型能夠根據(jù)文本指令生成長達60秒的高清視頻。Sora不僅能夠創(chuàng)造逼真和充滿想象力的場景，而且還能夠在視頻中包含多個角色、展現(xiàn)特定的動作類型，以及對對象和背景的精確細節(jié)描繪。例如，在一段演示視頻中，Sora展示了從天空俯瞰的東京街道，跟隨一對牽手的情侶走過日本風格的街道。

Sora的工作原理基于擴散模型，這種模型從類似于靜態(tài)噪聲的視頻開始，通過多個步驟逐漸去除噪聲，視頻也從最初的隨機像素轉化為清晰的圖像場景。此外，Sora還使用了Transformer架構，具有極強的擴展性。在訓練方面，OpenAI利用了DALL·E 3的重述提示詞技術，為視覺模型訓練數(shù)據(jù)生成高描述性的標注，從而使模型能更好地遵循文本指令。
盡管Sora的能力令人印象深刻，但它也存在一些弱點。例如，Sora可能難以準確模擬復雜場景的物理原理，并且可能無法理解因果關系。例如，在某個視頻中，一個人咬了一口餅干后，餅干卻沒有留下咬痕。
目前，Sora還未向公眾開放使用，OpenAI擔心深度偽造視頻的濫用問題?，F(xiàn)在只有一部分視覺藝術家、設計師和電影制作人有內部試用機會。此外，OpenAI還在與第三方安全測試人員共享該模型，進行紅隊測試，以確保其安全性和可靠性。
總的來說，Sora的出現(xiàn)代表了AI視頻生成領域的一大突破，它不僅能夠生成長達60秒的視頻，還能在視頻中展現(xiàn)豐富的細節(jié)和情感，從而為內容創(chuàng)作和媒體制作帶來新的可能性。

未經(jīng)允許不得轉載：445IT之家 » OpenAI震撼發(fā)布Sora 60秒高清視頻 一觸即發(fā)