太炸了!OpenAI深夜发布,文字直接生成视频!网友:我要失业了

娱乐头条 9777℃

每经编辑:何小桃,毕陆名

2月16日凌晨,openai再次扔出一枚深水炸弹,发布了首个文生视频模型sora。据介绍,sora可以直接输出长达60秒的视频,并且包含高度细致的背景、复杂的多角度镜头,以及富有情感的多个角色。

目前官网上已经更新了48个视频demo,在这些demo中,sora不仅能准确呈现细节,还能理解物体在物理世界中的存在,并生成具有丰富情感的角色。该模型还可以根据提示、静止图像甚至填补现有视频中的缺失帧来生成视频。

太炸了!OpenAI深夜发布,文字直接生成视频!网友:我要失业了 - 陆剧吧

例如一个prompt(大语言模型中的提示词)的描述是:在东京街头,一位时髦的女士穿梭在充满温暖霓虹灯光和动感城市标志的街道上。

在sora生成的视频里,女士身着黑色皮衣、红色裙子在霓虹街头行走,不仅主体连贯稳定,还有多镜头,包括从大街景慢慢切入到对女士的脸部表情的特写,以及潮湿的街道地面反射霓虹灯的光影效果。

太炸了!OpenAI深夜发布,文字直接生成视频!网友:我要失业了 - 陆剧吧

电影预告片讲述了30岁宇航员戴着红色羊毛针织摩托车头盔的冒险经历,蓝天、盐漠,电影风格,35毫米胶片拍摄,色彩鲜艳。

ai想象中的龙年春节,红旗招展人山人海。有紧跟舞龙队伍抬头好奇观望的儿童,还有不少人掏出手机边跟边拍,海量人物角色各有各的行为。

太炸了!OpenAI深夜发布,文字直接生成视频!网友:我要失业了 - 陆剧吧

竖屏超近景视角下,这只蜥蜴细节拉满:

太炸了!OpenAI深夜发布,文字直接生成视频!网友:我要失业了 - 陆剧吧

网友直呼game over,工作要丢了:

甚至有人已经开始“悼念”一整个行业:

太炸了!OpenAI深夜发布,文字直接生成视频!网友:我要失业了 - 陆剧吧

还有网友表示,电影业要彻底颠覆了。

一位youtube博主paddy galloway发表了对sora的感想,他表示内容创作行业已经永远的改变了,并且毫不夸张。“我进入youtube世界已经15年时间,但openai刚刚的展示让我无言…动画师/3d艺术家们有麻烦了,素材网站将变得无关紧要,任何人都可以无壁垒获得难以置信的产品,内容背后的‘想法’和故事将变得更加重要。”

对于sora当前存在的弱点,openai也不避讳,指出它可能难以准确模拟复杂场景的物理原理,并且可能无法理解因果关系。

例如“五只灰狼幼崽在一条偏僻的碎石路上互相嬉戏、追逐”,狼的数量会变化,一些凭空出现或消失。

太炸了!OpenAI深夜发布,文字直接生成视频!网友:我要失业了 - 陆剧吧

该模型还可能混淆提示的空间细节,例如混淆左右,并且可能难以精确描述随着时间推移发生的事件,例如遵循特定的相机轨迹。

如提示词“篮球穿过篮筐然后爆炸”中,篮球没有正确被篮筐阻挡。

太炸了!OpenAI深夜发布,文字直接生成视频!网友:我要失业了 - 陆剧吧

openai表示,他们正在教ai理解和模拟运动中的物理世界,目标是训练模型来帮助人们解决需要现实世界交互的问题。

随后openai解释了sora的工作原理,sora是一个扩散模型,它从类似于静态噪声的视频开始,通过多个步骤逐渐去除噪声,视频也从最初的随机像素转化为清晰的图像场景。sora使用了transformer架构,有极强的扩展性。

视频和图像是被称为“补丁”的较小数据单位集合,每个“补丁”都类似于gpt中的一个标记(token),通过统一的数据表达方式,可以在更广泛的视觉数据上训练和扩散变化,包括不同的时间、分辨率和纵横比。

sora是基于过去对dall·e和gpt的研究基础构建,利用dall·e 3的重述提示词技术,为视觉模型训练数据生成高描述性的标注,因此模型能更好的遵循文本指令。

如今,sora正面向部分成员开放,以评估关键领域的潜在危害或风险。同时,openai也邀请了一批视觉艺术家、设计师和电影制作人加入,期望获得宝贵反馈,以推动模型进步,更好地助力创意工作者。openai提前分享研究进展,旨在与openai以外的人士合作并获取反馈,让公众了解即将到来的ai技术新篇章。

编辑|何小桃 毕陆名 盖源源

校对|刘思琦

每日经济新闻综合界面新闻、量子位、openai官网等

每日经济新闻

标签: 娱乐头条