【新智元導(dǎo)讀】Sora 顛覆影視業(yè)，現(xiàn)在來(lái)看還遠(yuǎn)。Bloomberg 記者親自試用后發(fā)現(xiàn)，Sora 生成的視頻還是翻車(chē)嚴(yán)重。而且，它的速度太太太太慢了！不過(guò)盡管如此，OpenAI 已經(jīng)創(chuàng)死了一片初創(chuàng)公司。
雖然功能還未正式開(kāi)放，但已經(jīng)有外媒搶先上手體驗(yàn)了！
結(jié)果就是 ——Sora 翻車(chē)了！
最近，就在外界對(duì) Sora 一片贊譽(yù)聲之時(shí)，一些冷靜的外媒，也開(kāi)始發(fā)出了質(zhì)疑的聲音。
Bloomberg 認(rèn)為：Sora 的確令人印象深刻，但它尚未準(zhǔn)備好迎接未來(lái)的黃金時(shí)段。
原因就在于，Sora 現(xiàn)在對(duì)于身體部位的理解和物理學(xué)的復(fù)雜原理還無(wú)法完全掌握，并且，它處理請(qǐng)求的時(shí)間，實(shí)在是太長(zhǎng)了！
用作者 Peebles 的話來(lái)說(shuō)就是，Sora 的速度太慢了，你可以在等待視頻生成時(shí)去吃點(diǎn)零食。
Sora 翻車(chē)：鸚鵡猴子傻傻分不清，還巨慢
因?yàn)?Sora 至今仍在紅隊(duì)測(cè)試中，還無(wú)法直接訪問(wèn)。只有被選中的藝術(shù)家、電影制作人和設(shè)計(jì)師才能獲得訪問(wèn)系統(tǒng)的權(quán)限。
為了一睹傳說(shuō)中視頻王炸模型的真正實(shí)力，Bloomberg 的記者給 OpenAI 的研究者發(fā)去了這樣一段 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：一只絢麗多彩的鸚鵡在哥斯達(dá)黎加的繁茂叢林中翱翔，最終停落在一枝樹(shù)干上，與一群猴子分享一塊甘甜的水果。正值一天中最為美妙的黃金時(shí)段，陽(yáng)光透過(guò)樹(shù)冠，照在葉片和猴子潔白的毛發(fā)上，閃爍著金色的光芒。
Sora 生成的視頻是這樣的。
看上去還不錯(cuò)，對(duì)不對(duì)？
然而如果仔細(xì)看，就會(huì)發(fā)現(xiàn)不少問(wèn)題。
比如，鸚鵡的翅膀在飛過(guò)猴子時(shí)會(huì)發(fā)生扭曲。
prompt 里只要求一只鸚鵡，Sora 卻生成了好幾只。
此外，水果本身，以及上面變換莫測(cè)的爪子，都透出一股詭異的氣息……
最好笑的是，不僅其中一只鸚鵡像是「掛了」似的脖子突然一歪，而且旁邊的猴子也秒變「不明生物」長(zhǎng)出了一條鸚鵡尾巴。
對(duì)此，Sora 作者、OpenAI 科學(xué)家 Bill Peebles 是這樣解釋的：「的確，現(xiàn)在 Sora 在某個(gè)片段的不同階段會(huì)出現(xiàn)一些奇怪的動(dòng)作。但是，Sora 能夠?qū)@種復(fù)雜程度的場(chǎng)景進(jìn)行建模，已經(jīng)表明了它的視頻生成能力有了質(zhì)的飛躍?！?/p>
Sora 什么時(shí)候來(lái)？不急
具體哪一天能用上 Sora 呢，我們已知的是，至少目前還遙遙無(wú)期。
OpenAI 發(fā)言人 Natalie Summers 表示，OpenAI 沒(méi)有設(shè)定發(fā)布 Sora 的時(shí)間表，因?yàn)橄Ｍ芙档退瓦x舉相關(guān)的安全風(fēng)險(xiǎn)。
畢竟，AI Deepfake 已經(jīng)多次有黑名單記錄，如果正值此時(shí)發(fā)布新的 AI 視頻工具，會(huì)讓 OpenAI 顯得很可疑。
且不管安全問(wèn)題，Sora 在準(zhǔn)備好進(jìn)入黃金時(shí)段之前，仍然有很長(zhǎng)的路要走。
OpenAI 自己也在技術(shù)報(bào)告中承認(rèn)，Sora 對(duì)身體部位的雜散問(wèn)題和對(duì)物理學(xué)的混合理解，仍有很大的進(jìn)步空間。
當(dāng)然，這個(gè)問(wèn)題也不是只有 Sora 才會(huì)遇到。它是 Runway、Pika 等 AI 視頻所共同面臨的問(wèn)題。而且，對(duì)于每個(gè)視頻，Sora 都需要消耗更多的算力，也需要等待更長(zhǎng)的時(shí)間。
這個(gè)時(shí)間，可不是像 DALL-E 3 生成單個(gè)圖像那么簡(jiǎn)單。
Sora 處理每個(gè)請(qǐng)求的時(shí)間究竟是多長(zhǎng)呢？
OpenAI 沒(méi)有明確回復(fù)，但 Peebles 表示，它「絕對(duì)不是即時(shí)的」，因?yàn)椤改憧梢栽诘却Ｐ瓦\(yùn)行的時(shí)候，去吃點(diǎn)零食。」
這個(gè)過(guò)程可能非常漫長(zhǎng)，因?yàn)?Bloomberg 記者給了 OpenAI 四個(gè) prompt，但他們只給了兩個(gè)視頻，另外兩個(gè)實(shí)在是沒(méi)時(shí)間做了。
商標(biāo)注冊(cè)信息，暴露 Sora 真實(shí)能力：難怪會(huì)狙擊 Gemini 1.5 Pro
就在最近，OpenAI 申請(qǐng)的 Sora 商標(biāo)注冊(cè)描述也曝光了！
其中對(duì) Sora 能力的介紹如下 ——
生成視頻和圖像；
基于自然語(yǔ)言提示、視覺(jué)提示、文本、語(yǔ)音創(chuàng)建、生成和編輯視頻和圖像；
視頻和圖像識(shí)別、處理、分析、理解和生成；
編輯、組織、修改、傳輸、上傳、下載和分享視頻、圖像和音視頻材料；
創(chuàng)建和生成文本到視頻以及文本到圖像的內(nèi)容。
文件曝光后，讓 AI 研究者們更吃驚了！
所以，Sora 不僅可以生成視頻，還對(duì)視頻和圖像有理解能力？
谷歌的 Gemini 1.5 Pro 可以分析 1 小時(shí)的視頻，而 Sora 也具有類似能力，真的可以說(shuō)是降維打擊了。
大家后知后覺(jué)地明白過(guò)來(lái)：Gemini 1.5 Pro 發(fā)布后不久，OpenAI 就拿出 Sora 來(lái)狙擊，看來(lái)還真是不無(wú)道理。
現(xiàn)在從 OpenAI 的模型推出計(jì)劃來(lái)看，Sora 目前應(yīng)該是處于「評(píng)估和迭代開(kāi)發(fā)」階段。
下一步將是分階段推出階段，包括私人測(cè)試版、測(cè)試用例和進(jìn)一步的安全測(cè)試。
搓搓手，目測(cè)一年內(nèi)應(yīng)該能等到。
Sora 新演示來(lái)了！
與此同時(shí)，TikTok 上，OpenAI 的賬戶一夜爆火，幾天內(nèi)漲粉 18 萬(wàn)，收獲接近 100 萬(wàn)贊。
而最近，Sora 的 TikTok 賬號(hào)上還在不斷放出新視頻。
比如這個(gè)一廚房的廚師和廚具的視頻，就是 Sora 根據(jù) DALL-E 3 生成的圖像生成的視頻。
首先，DALL-E 3 生成了這樣一幅靜圖。
然后，Sora 根據(jù)這幅靜圖，生成了下面這段視頻。
在評(píng)論區(qū)，有人留言表示，想看看 Sora 創(chuàng)作出從來(lái)不存在的生物。
現(xiàn)在，Sora 也來(lái)交卷了。根據(jù) Prompt「創(chuàng)造一個(gè)從未存在過(guò)的逼真動(dòng)物，自然紀(jì)錄片風(fēng)格」，它生成的視頻是這樣的 ——
乍一看怎么像是帕魯們來(lái)到 3 次元。（手動(dòng)狗頭）
OpenAI 創(chuàng)死所有初創(chuàng)公司，投資人大喜：還好我沒(méi)投
最近，所有 VC 的會(huì)上都在談 Sora。
OpenAI 的每一次技術(shù)突破，都拓展了資本圈對(duì) AI 的想象空間。代價(jià)就是，大多創(chuàng)業(yè)公司的路，也被堵死了。
半個(gè)月前，Sam Altman 發(fā)布 AI 技術(shù) Sora 制作的超逼真電影視頻時(shí)，所有人都意識(shí)到，無(wú)論是科技行業(yè)還是好萊塢，都敲響了警鐘。
外媒 The Information 發(fā)現(xiàn)，自己長(zhǎng)期跟進(jìn)的至少七家開(kāi)發(fā) AI 視頻生成器的公司，已經(jīng)感到了恐懼。
同時(shí)感到恐懼的，還有給他們投了超過(guò) 5.5 億美元的投資人。
在 Sora 視頻在全網(wǎng)引發(fā)狂潮后，一位投資人私下表示：太幸運(yùn)了，最近一家熱門(mén) AI 視頻初創(chuàng)公司的一輪融資，還好自己錯(cuò)過(guò)了。
而另一位資助了 AI 視頻初創(chuàng)公司的投資人表示，讓自己感到欣慰的是，如果真的發(fā)生了這種情況，或許這家初創(chuàng)公司強(qiáng)大的領(lǐng)導(dǎo)者，會(huì)使其成為一個(gè)很好的收購(gòu)目標(biāo)。
Sora 的視頻亮點(diǎn)，就在于它在模擬現(xiàn)實(shí)世界的物理原理，盡管并不完美。
但是 AI 視頻如此神速的進(jìn)步速度令人震驚，也讓人不得不相信：它很快就能制作出成熟的電影了。
風(fēng)險(xiǎn)資本家馬特?圖爾克在 X 上的一篇帖子中半開(kāi)玩笑地說(shuō)，或許到 2025 年，我們就可以讓 Sora 拍一集今晚就要播出的《毒梟》，要求布拉德?皮特、野獸先生和特拉維斯?凱爾斯主演。
全世界看向 Runway
Altman 扔出 Sora 這個(gè)王炸后，所有目光都集中在了 Runway 上。
此前，在 AI 視頻領(lǐng)域，Runway 可以算得上是領(lǐng)頭羊之一。
它的產(chǎn)品中添加了 AI 功能，甚至包括從頭開(kāi)始創(chuàng)建視頻拆條的能力。
Runway 的 AI 視頻生成器，使用了 Runway 自己開(kāi)發(fā)的潛在擴(kuò)散模型，因此市場(chǎng)認(rèn)為這家小型初創(chuàng)公司有可能會(huì)迎頭趕上，也不無(wú)道理。
當(dāng)然，現(xiàn)階段的 Runway 視頻，還無(wú)法和 Sora 對(duì)打。
因?yàn)榉直媛侍?，它們?huì)不由得讓人產(chǎn)生恐怖谷效應(yīng)。
另一處鮮明的對(duì)比是，Runway 用戶一次最多只能生成 16 秒的視頻，而 Sora 卻能做出一分鐘的長(zhǎng)視頻。
Runway CEO Cristóbal Valenzuela 表示：視頻模型代表了創(chuàng)意產(chǎn)業(yè)未來(lái)的一些最重要的技術(shù)，所以思考這個(gè)問(wèn)題的人越多越好…… 還有很長(zhǎng)的路要走。
其他競(jìng)爭(zhēng)對(duì)手的發(fā)展，也不容小覷，比如 Meta、Stable Diffusion、Pika 等，最近都推出了類似的 AI 視頻產(chǎn)品。
以 AI 生成圖像聞名的 AI 初創(chuàng)公司 Midjourney，現(xiàn)在也在準(zhǔn)備自己的視頻產(chǎn)品。
大家共同的問(wèn)題：如何盈利？
AI 視頻，會(huì)成為搖錢(qián)樹(shù)嗎？一個(gè)大問(wèn)題是，AI 視頻是否會(huì)像 AI 生圖一樣發(fā)展呢？
或許它會(huì)是一項(xiàng)令人印象深刻的壯舉，但不一定是搖錢(qián)樹(shù)。只有 Midjourney 是例外，它獲得了超過(guò) 2 億美元的收入。
但其他的 AI 圖像生成器，甚至包括 OpenAI 的 DALL-E 3，其實(shí)并沒(méi)有賺多少錢(qián)。
Meta 雖然擁有蓬勃發(fā)展的廣告業(yè)務(wù)，但并沒(méi)有試圖這樣做。
Sora 的其他競(jìng)爭(zhēng)對(duì)手，Pika、Stable Diffusion 等等，也都沒(méi)有這樣做。
行業(yè)巨震，初創(chuàng)公司何去何從
對(duì)于 AI 視頻初創(chuàng)公司來(lái)說(shuō)，好消息是，OpenAI 不太可能讓人免費(fèi)使用 Sora。部分原因是，運(yùn)營(yíng)這項(xiàng)技術(shù)的成本很高。
這也就意味著，其他公司可以對(duì)自己的產(chǎn)品收費(fèi)?，F(xiàn)在，它們還有機(jī)會(huì)！因?yàn)?Sora 在幾個(gè)月內(nèi)，可能都不會(huì)開(kāi)放使用。還有一個(gè)未解之謎，Sora 的訓(xùn)練數(shù)據(jù)究竟是來(lái)自哪里的呢？
有一些行業(yè)觀察人士（如 Meta 的 AI 領(lǐng)導(dǎo)者之一 Soumith Chintala）推測(cè)，其中就有游戲引擎生成的合成數(shù)據(jù)。
游戲引擎可以渲染視覺(jué)效果，以前這個(gè)功能主要用于開(kāi)發(fā)視頻游戲。
現(xiàn)在，如果 OpenAI 能使用合成數(shù)據(jù)的話，這可能就意味著 YouTube、好萊塢電影庫(kù)之類的專有數(shù)據(jù)集，對(duì)于開(kāi)發(fā) AI 視頻模型的重要性不如大多數(shù)研究者此前認(rèn)為的那么重要。
這也就意味著：如果 AI 開(kāi)發(fā)者能生成良好的合成數(shù)據(jù)，也就可以賺錢(qián)了。往遠(yuǎn)了看，如今 AI 已經(jīng)把人類的文本都學(xué)完了，下一步就是視頻。如果視頻素材也學(xué)完了，該怎么辦？
有人說(shuō)，那時(shí)就可以給大模型裝上攝像頭，因?yàn)槿祟愂澜缑刻煨枰獙W(xué)習(xí)的東西可太多了。
Sam Altman 張口要 7 萬(wàn)億美元，或許是 OpenAI 真的研究出了了不得的東西，比如即將成形的 AGI。算力、數(shù)據(jù)，手握這些資源的，就會(huì)得到第一個(gè) AGI。
參考資料：
https://the-decoder.com/openais-sora-is-slow-enough-to-grab-a-snack-while-it-generates-your-video/
https://www.bloomberg.com/news/newsletters/2024-02-22/openai-s-sora-video-generator-is-impressive-but-not-ready-for-prime-time
本文來(lái)自微信公眾號(hào)：新智元 （ID：AI_era）
廣告聲明：文內(nèi)含有的對(duì)外跳轉(zhuǎn)鏈接（包括不限于超鏈接、二維碼、口令等形式），用于傳遞更多信息，節(jié)省甄選時(shí)間，結(jié)果僅供參考，IT之家所有文章均包含本聲明。