OpenAI推新款大模型Sora，可根據(jù)文本生成60秒視頻
·Sora可根據(jù)文本指令生成60秒視頻，可生成具有多個(gè)角色、特定類型運(yùn)動(dòng)及精確主題和背景細(xì)節(jié)的復(fù)雜場景，并在單個(gè)生成視頻中創(chuàng)建多個(gè)鏡頭，準(zhǔn)確保留角色和視覺風(fēng)格。
·OpenAI正在教AI理解和模擬運(yùn)動(dòng)中的物理世界，目標(biāo)是訓(xùn)練模型來“幫助人們解決需要現(xiàn)實(shí)世界互動(dòng)的問題”。不過，Sora在提示空間細(xì)節(jié)方面會(huì)混淆左右，也無法理解因果關(guān)系的具體實(shí)例。
Sora生成的視頻：幾只巨大的猛犸象穿過一片白雪覆蓋的草地，長毛在風(fēng)中輕輕飄動(dòng)，遠(yuǎn)處是白雪覆蓋的樹木和大山。
開發(fā)出熱門聊天機(jī)器人ChatGPT后，OpenAI繼續(xù)在生成式人工智能上玩出新花樣。2月16日，OpenAI推出新的AI大模型Sora，該文生視頻大模型可通過快速文本提示創(chuàng)建“逼真”和“富有想象力”的60秒視頻。
OpenAI表示，Sora能夠根據(jù)文本指令生成長達(dá)60秒的視頻，同時(shí)保持視覺質(zhì)量并遵守用戶提示。Sora可生成具有多個(gè)角色、特定類型運(yùn)動(dòng)以及精確主題和背景細(xì)節(jié)的復(fù)雜場景。該模型對(duì)語言有深刻理解，能夠準(zhǔn)確領(lǐng)會(huì)提示，生成令人信服的角色。Sora還可以在單個(gè)生成視頻中創(chuàng)建多個(gè)鏡頭，準(zhǔn)確保留角色和視覺風(fēng)格。
Sora生成的視頻：一只貓叫醒了正在睡覺的主人。
“這個(gè)模型不僅能理解用戶在提示中要求什么，還能理解這些東西在現(xiàn)實(shí)世界中是如何存在的。”O(jiān)penAI表示，正在教人工智能理解和模擬運(yùn)動(dòng)中的物理世界，目標(biāo)是訓(xùn)練模型來“幫助人們解決需要現(xiàn)實(shí)世界互動(dòng)的問題”。
除了能夠僅從文本指令生成視頻外，該模型還能夠利用現(xiàn)有的靜止圖像從中生成視頻，精確地將圖像內(nèi)容動(dòng)畫化，也可以利用現(xiàn)有視頻進(jìn)行擴(kuò)展或填充缺失的幀。
Sora有時(shí)會(huì)生成不合情理的動(dòng)作，譬如在跑步機(jī)上倒著跑步。
不過，Sora仍在開發(fā)中，存在明顯“弱點(diǎn)”，特別是在提示空間細(xì)節(jié)方面會(huì)混淆左右，也無法理解因果關(guān)系的具體實(shí)例，比如制作了一個(gè)視頻，視頻中有人咬了一口餅干，但之后餅干上沒有咬痕。
Sora生成的視頻：五只小狼在一條礫石路上嬉戲追逐，周圍長滿了草。Sora的缺點(diǎn)是動(dòng)物或人會(huì)憑空出現(xiàn)，特別是在包含許多實(shí)體的場景中。
Sora生成的視頻中，動(dòng)物或人會(huì)憑空出現(xiàn)，特別是在包含許多實(shí)體的場景中。此外，Sora難以精確描述隨時(shí)間推移發(fā)生的事件，例如跟蹤攝像機(jī)的特定軌跡。
Sora生成的視頻：一把普通的塑料椅子在沙漠中被發(fā)現(xiàn)，人們小心翼翼地挖掘并撣去沙子。在這個(gè)例子中，Sora沒有將椅子建模為一個(gè)剛性物體，導(dǎo)致不準(zhǔn)確的物理交互。
對(duì)于模型安全性的考量，OpenAI表示，計(jì)劃與一個(gè)專家團(tuán)隊(duì)合作測試最新模型，密切關(guān)注錯(cuò)誤信息、仇恨內(nèi)容和偏見等。OpenAI還表示正在開發(fā)幫助檢測誤導(dǎo)性信息的工具，比如檢測分類器可以判斷視頻是何時(shí)由Sora生成的。其文本分類器可檢查并拒絕違反使用政策的文本輸入提示，例如極端暴力、性內(nèi)容、仇恨圖像、名人肖像等。“我們還開發(fā)了魯棒性的圖像分類器，用于審查每個(gè)生成視頻的幀，以幫助確保它在顯示給用戶之前符合我們的使用政策。”
OpenAI表示，Sora將首先提供給網(wǎng)絡(luò)安全教授，以評(píng)估產(chǎn)品的危害或風(fēng)險(xiǎn)。一些視覺藝術(shù)家、設(shè)計(jì)師和電影制作人也能獲得Sora的訪問權(quán)限，以此收集關(guān)于創(chuàng)意專業(yè)人士如何使用Sora的反饋。
Sora生成的視頻：在“賽博朋克”背景下，一個(gè)機(jī)器人的生活故事。
市場研究公司ABI research高級(jí)分析師里斯·海登（Reece Hayden）表示，盡管多模態(tài)大模型并不新鮮，而且文生視頻的模型已經(jīng)存在，但OpenAI聲稱Sora具有的長度和準(zhǔn)確性使其與眾不同。海登認(rèn)為，這類人工智能模型可能會(huì)對(duì)數(shù)字娛樂市場產(chǎn)生重大影響，新的個(gè)性化內(nèi)容將在各個(gè)渠道傳播，“一個(gè)明顯的用例是電視，創(chuàng)造簡短的場景來支持?jǐn)⑹隆！?span style="display:none">IL2知多少教育網(wǎng)-記錄每日最新科研教育資訊
本文鏈接：http://knowith.com/news-3-245.htmlOpenAI推新款大模型Sora，可根據(jù)文本生成60秒視頻
聲明：本網(wǎng)頁內(nèi)容由互聯(lián)網(wǎng)博主自發(fā)貢獻(xiàn)，不代表本站觀點(diǎn)，本站不承擔(dān)任何法律責(zé)任。天上不會(huì)到餡餅，請(qǐng)大家謹(jǐn)防詐騙！若有侵權(quán)等問題請(qǐng)及時(shí)與本網(wǎng)聯(lián)系，我們將在第一時(shí)間刪除處理。
