文章來源：新智元
【導讀】Sora顛覆影視業(yè)，現(xiàn)在來看還遠。Bloomberg記者親自試用后發(fā)現(xiàn)，Sora生成的視頻還是翻車嚴重。而且，它的速度太太太太慢了！不過盡管如此，OpenAI已經(jīng)創(chuàng)死了一片初創(chuàng)公司。
雖然功能還未正式開放，但已經(jīng)有外媒搶先上手體驗了！
結(jié)果就是——Sora翻車了！
最近，就在外界對Sora一片贊譽聲之時，一些冷靜的外媒，也開始發(fā)出了質(zhì)疑的聲音。
Bloomberg認為：Sora的確令人印象深刻，但它尚未準備好迎接未來的黃金時段。
原因就在于，Sora現(xiàn)在對于身體部位的理解和物理學的復雜原理還無法完全掌握，并且，它處理請求的時間，實在是太長了！
用作者Peebles的話來說就是，Sora的速度太慢了，你可以在等待視頻生成時去吃點零食。
Sora翻車：鸚鵡猴子傻傻分不清，還巨慢
因為Sora至今仍在紅隊測試中，還無法直接訪問。只有被選中的藝術(shù)家、電影制作人和設計師才能獲得訪問系統(tǒng)的權(quán)限。
為了一睹傳說中視頻王炸模型的真正實力，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黎加的繁茂叢林中翱翔，最終停落在一枝樹干上，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段，陽光透過樹冠，照在葉片和猴子潔白的毛發(fā)上，閃爍著的光芒。
Sora生成的視頻是這樣的。
看上去還不錯，對不對？
然而如果仔細看，就會發(fā)現(xiàn)不少問題。
比如，鸚鵡的翅膀在飛過猴子時會發(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」長出了一條鸚鵡尾巴。
對此，Sora作者、OpenAI科學家Bill Peebles是這樣解釋的：「的確，現(xiàn)在Sora在某個片段的不同階段會出現(xiàn)一些奇怪的動作。但是，Sora能夠?qū)@種復雜程度的場景進行建模，已經(jīng)表明了它的視頻生成能力有了質(zhì)的飛躍?！?/p>
Sora什么時候來？不急
具體哪一天能用上Sora呢，我們已知的是，至少目前還遙遙無期。
OpenAI發(fā)言人Natalie Summers 表示，OpenAI沒有設定發(fā)布Sora的時間表，因為希望能降低它和選舉相關(guān)的安全風險。
畢竟，AI Deepfake已經(jīng)多次有黑名單記錄，如果正值此時發(fā)布新的AI視頻工具，會讓OpenAI顯得很可疑。
且不管安全問題，Sora在準備好進入黃金時段之前，仍然有很長的路要走。
OpenAI自己也在技術(shù)報告中承認，Sora對身體部位的雜散問題和對物理學的混合理解，仍有很大的進步空間。
當然，這個問題也不是只有Sora才會遇到。它是Runway、Pika等AI視頻所共同面臨的問題。
Runway生成的威爾史密斯吃面
而且，對于每個視頻，Sora都需要消耗更多的算力，也需要等待更長的時間。
這個時間，可不是像DALL-E 3生成單個圖像那么簡單。
Sora處理每個請求的時間究竟是多長呢？
OpenAI沒有明確回復，但Peebles表示，它「絕對不是即時的」，因為「你可以在等待模型運行的時候，去吃點零食?！?/p>
這個過程可能非常漫長，因為Bloomberg記者給了OpenAI四個prompt，但他們只給了兩個視頻，另外兩個實在是沒時間做了。
商標注冊信息，暴露Sora真實能力：難怪會狙擊Gemini 1.5 Pro
就在最近，OpenAI申請的Sora商標注冊描述也曝光了！
其中對Sora能力的介紹如下——
生成視頻和圖像；
基于自然語言提示、視覺提示、文本、語音創(chuàng)建、生成和編輯視頻和圖像；
視頻和圖像識別、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，還對視頻和圖像有理解能力？
谷歌的Gemini 1.5 Pro可以分析1小時的視頻，而Sora也具有類似能力，真的可以說是降維打擊了。
大家后知后覺地明白過來：Gemini 1.5 Pro發(fā)布后不久，OpenAI就拿出Sora來狙擊，看來還真是不無道理。
現(xiàn)在從OpenAI的模型推出計劃來看，Sora目前應該是處于「評估和迭代開發(fā)」階段。
下一步將是分階段推出階段，包括私人測試版、測試用例和進一步的安全測試。
搓搓手，目測一年內(nèi)應該能等到。
Sora新演示來了！
與此同時，TikTok上，OpenAI的賬戶一夜爆火，幾天內(nèi)漲粉18萬，收獲接近100萬贊。
而最近，Sora的TikTok賬號上還在不斷放出新視頻。
比如這個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。
在評論區(qū)，有人留言表示，想看看Sora創(chuàng)作出從來不存在的生物。
現(xiàn)在，Sora也來交卷了。根據(jù)Prompt「創(chuàng)造一個從未存在過的逼真動物，自然紀錄片風格」，它生成的視頻是這樣的——
來源：小互
乍一看怎么像是帕魯們來到3次元。（手動狗頭）
OpenAI創(chuàng)死所有初創(chuàng)公司，投資人大喜：還好我沒投
最近，所有VC的會上都在談Sora。
OpenAI的每一次技術(shù)突破，都拓展了資本圈對AI的想象空間。代價就是，大多創(chuàng)業(yè)公司的路，也被堵死了。
半個月前，Sam Altman發(fā)布AI技術(shù)Sora制作的超逼真電影視頻時，所有人都意識到，無論是科技行業(yè)還是好萊塢，都敲響了警鐘。
外媒The Information發(fā)現(xiàn)，自己長期跟進的至少七家開發(fā)AI視頻生成器的公司，已經(jīng)感到了恐懼。
同時感到恐懼的，還有給他們投了超過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：太幸運了，最近一家熱門AI視頻初創(chuàng)公司的一輪融資，還好自己錯過了。
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)公司強大的領(lǐng)導者，會使其成為一個很好的收購目標。
Sora的視頻亮點，就在于它在模擬現(xiàn)實世界的物理原理，盡管并不完美。
但是AI視頻如此神速的進步速度令人震驚，也讓人不得不相信：它很快就能制作出成熟的電影了。
風險資本家馬特·圖爾克在X上的一篇帖子中半開玩笑地說，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自己開發(fā)的潛在擴散模型，因此市場認為這家小型初創(chuàng)公司有可能會迎頭趕上，也不無道理。
當然，現(xiàn)階段的Runway視頻，還無法和Sora對打。
因為分辨率太低，它們會不由得讓人產(chǎn)生恐怖谷效應。
另一處鮮明的對比是，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視頻。
Runway CEO Cristóbal Valenzuela表示：視頻模型代表了創(chuàng)意產(chǎn)業(yè)未來的一些最重要的技術(shù)，所以思考這個問題的人越多越好……還有很長的路要走。
其他競爭對手的發(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)在也在準備自己的視頻產(chǎn)品。
大家共同的問題：如何盈利？
AI視頻，會成為搖錢樹嗎？
一個大問題是，AI視頻是否會像AI生圖一樣發(fā)展呢？
或許它會是一項令人印象深刻的壯舉，但不一定是搖錢樹。
只有Midjourney是例外，它獲得了超過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，其實并沒有賺多少錢。
Meta雖然擁有蓬勃發(fā)展的廣告業(yè)務，但并沒有試圖這樣做。
Sora的其他競爭對手，Pika、Stable Diffusion等等，也都沒有這樣做。
行業(yè)巨震，初創(chuàng)公司何去何從
對于AI視頻初創(chuàng)公司來說，好消息是，OpenAI不太可能讓人免費使用Sora。部分原因是，運營這項技術(shù)的成本很高。
這也就意味著，其他公司可以對自己的產(chǎn)品收費。
現(xiàn)在，它們還有機會！因為Sora在幾個月內(nèi)，可能都不會開放使用。
還有一個未解之謎，Sora的訓練數(shù)據(jù)究竟是來自哪里的呢？
有一些行業(yè)觀察人士（如Meta的AI領(lǐng)導者之一Soumith Chintala）推測，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效果，以前這個功能主要用于開發(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、好萊塢電影庫之類的專有數(shù)據(jù)集，對于開發(fā)AI視頻模型的重要性不如大多數(shù)研究者此前認為的那么重要。
這也就意味著：如果AI開發(fā)者能生成良好的合成數(shù)據(jù)，也就可以賺錢了。
往遠了看，如今AI已經(jīng)把人類的文本都學完了，下一步就是視頻。如果視頻素材也學完了，該怎么辦？
有人說，那時就可以給大模型裝上攝像頭，因為人類世界每天需要學習的東西可太多了。
Sam Altman張口要7萬億美元，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，就會得到第一個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
