首页  >  资讯  >  文章
2024-03-01 11:04

外媒抢先实测Sora,视频大翻车惨不忍睹?不懂物理/动物变形/速度巨慢,但初创公司已经创死一片

虽然功能还未正式开放,但已经有外媒抢先上手体验了!

结果就是——Sora翻车了!

最近,就在外界对Sora一片赞誉声之时,一些冷静的外媒,也开始发出了质疑的声音。

Bloomberg认为:Sora的确令人印象深刻,但它尚未准备好迎接未来的黄金时段。

图片

原因就在于,Sora现在对于身体部位的理解和物理学的复杂原理还无法完全掌握,并且,它处理请求的时间,实在是太长了!

图片

用作者Peebles的话来说就是,Sora的速度太慢了,你可以在等待视频生成时去吃点零食。

图片

Sora翻车:鹦鹉猴子傻傻分不清,还巨慢

因为Sora至今仍在红队测试中,还无法直接访问。只有被选中的艺术家、电影制作人和设计师才能获得访问系统的权限。

为了一睹传说中视频王炸模型的真正实力,Bloomberg的记者给OpenAI的研究者发去了这样一段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:一只绚丽多彩的鹦鹉在哥斯达黎加的繁茂丛林中翱翔,最终停落在一枝树干上,与一群猴子分享一块甘甜的水果。正值一天中最为美妙的黄金时段,阳光透过树冠,照在叶片和猴子洁白的毛发上,闪烁着金色的光芒。

Sora生成的视频是这样的。

图片

看上去还不错,对不对?

然而如果仔细看,就会发现不少问题。

比如,鹦鹉的翅膀在飞过猴子时会发生扭曲。

图片

prompt里只要求一只鹦鹉,Sora却生成了好几只。

此外,水果本身,以及上面变换莫测的爪子,都透出一股诡异的气息……

图片

最好笑的是,不仅其中一只鹦鹉像是「挂了」似的脖子突然一歪,而且旁边的猴子也秒变「不明生物」长出了一条鹦鹉尾巴。

图片

对此,Sora作者、OpenAI科学家Bill Peebles是这样解释的:「的确,现在Sora在某个片段的不同阶段会出现一些奇怪的动作。但是,Sora能够对这种复杂程度的场景进行建模,已经表明了它的视频生成能力有了质的飞跃。」

Sora什么时候来?不急

具体哪一天能用上Sora呢,我们已知的是,至少目前还遥遥无期。

OpenAI发言人Natalie Summers 表示,OpenAI没有设定发布Sora的时间表,因为希望能降低它和选举相关的安全风险。

毕竟,AI Deepfake已经多次有黑名单记录,如果正值此时发布新的AI视频工具,会让OpenAI显得很可疑。

且不管安全问题,Sora在准备好进入黄金时段之前,仍然有很长的路要走。

OpenAI自己也在技术报告中承认,Sora对身体部位的杂散问题和对物理学的混合理解,仍有很大的进步空间。

当然,这个问题也不是只有Sora才会遇到。它是Runway、Pika等AI视频所共同面临的问题。

图片

Runway生成的威尔史密斯吃面

而且,对于每个视频,Sora都需要消耗更多的算力,也需要等待更长的时间。

这个时间,可不是像DALL-E 3生成单个图像那么简单。

Sora处理每个请求的时间究竟是多长呢?

OpenAI没有明确回复,但Peebles表示,它「绝对不是即时的」,因为「你可以在等待模型运行的时候,去吃点零食。」

这个过程可能非常漫长,因为Bloomberg记者给了OpenAI四个prompt,但他们只给了两个视频,另外两个实在是没时间做了。

商标注册信息,暴露Sora真实能力:难怪会狙击Gemini 1.5 Pro

就在最近,OpenAI申请的Sora商标注册描述也曝光了!

图片

其中对Sora能力的介绍如下——

生成视频和图像;

基于自然语言提示、视觉提示、文本、语音创建、生成和编辑视频和图像;

视频和图像识别、处理、分析、理解和生成;

编辑、组织、修改、传输、上传、下载和分享视频、图像和音视频材料;

创建和生成文本到视频以及文本到图像的内容。

文件曝光后,让AI研究者们更吃惊了!

所以,Sora不仅可以生成视频,还对视频和图像有理解能力?

谷歌的Gemini 1.5 Pro可以分析1小时的视频,而Sora也具有类似能力,真的可以说是降维打击了。

大家后知后觉地明白过来:Gemini 1.5 Pro发布后不久,OpenAI就拿出Sora来狙击,看来还真是不无道理。

现在从OpenAI的模型推出计划来看,Sora目前应该是处于「评估和迭代开发」阶段。

下一步将是分阶段推出阶段,包括私人测试版、测试用例和进一步的安全测试。

图片

搓搓手,目测一年内应该能等到。

图片

Sora新演示来了!

与此同时,TikTok上,OpenAI的账户一夜爆火,几天内涨粉18万,收获接近100万赞。

图片

而最近,Sora的TikTok账号上还在不断放出新视频。

比如这个一厨房的厨师和厨具的视频,就是Sora根据DALL-E 3生成的图像生成的视频。

首先,DALL-E 3生成了这样一幅静图。

图片

然后,Sora根据这幅静图,生成了下面这段视频。

图片

在评论区,有人留言表示,想看看Sora创作出从来不存在的生物。

现在,Sora也来交卷了。根据Prompt「创造一个从未存在过的逼真动物,自然纪录片风格」,它生成的视频是这样的——

图片

乍一看怎么像是帕鲁们来到3次元。(手动狗头)

OpenAI创死所有初创公司,投资人大喜:还好我没投

最近,所有VC的会上都在谈Sora。

OpenAI的每一次技术突破,都拓展了资本圈对AI的想象空间。代价就是,大多创业公司的路,也被堵死了。

半个月前,Sam Altman发布AI技术Sora制作的超逼真电影视频时,所有人都意识到,无论是科技行业还是好莱坞,都敲响了警钟。

图片

外媒The Information发现,自己长期跟进的至少七家开发AI视频生成器的公司,已经感到了恐惧。

同时感到恐惧的,还有给他们投了超过5.5亿美元的投资人。

在Sora视频在全网引发狂潮后,一位投资人私下表示:太幸运了,最近一家热门AI视频初创公司的一轮融资,还好自己错过了。

而另一位资助了AI视频初创公司的投资人表示,让自己感到欣慰的是,如果真的发生了这种情况,或许这家初创公司强大的领导者,会使其成为一个很好的收购目标。

图片

Sora的视频亮点,就在于它在模拟现实世界的物理原理,尽管并不完美。

但是AI视频如此神速的进步速度令人震惊,也让人不得不相信:它很快就能制作出成熟的电影了。

风险资本家马特·图尔克在X上的一篇帖子中半开玩笑地说,或许到2025年,我们就可以让Sora拍一集今晚就要播出的《毒枭》,要求布拉德·皮特、野兽先生和特拉维斯·凯尔斯主演。

全世界看向Runway

Altman扔出Sora这个王炸后,所有目光都集中在了Runway上。

此前,在AI视频领域,Runway可以算得上是领头羊之一。

它的产品中添加了AI功能,甚至包括从头开始创建视频拆条的能力。

Runway的AI视频生成器,使用了Runway自己开发的潜在扩散模型,因此市场认为这家小型初创公司有可能会迎头赶上,也不无道理。

当然,现阶段的Runway视频,还无法和Sora对打。

因为分辨率太低,它们会不由得让人产生恐怖谷效应。

另一处鲜明的对比是,Runway用户一次最多只能生成16秒的视频,而Sora却能做出一分钟的长视频。

Runway CEO Cristóbal Valenzuela表示:视频模型代表了创意产业未来的一些最重要的技术,所以思考这个问题的人越多越好……还有很长的路要走。

图片

其他竞争对手的发展,也不容小觑,比如Meta、Stable Diffusion、Pika等,最近都推出了类似的AI视频产品。

以AI生成图像闻名的AI初创公司Midjourney,现在也在准备自己的视频产品。

大家共同的问题:如何盈利?

AI视频,会成为摇钱树吗?

一个大问题是,AI视频是否会像AI生图一样发展呢?

或许它会是一项令人印象深刻的壮举,但不一定是摇钱树。

只有Midjourney是例外,它获得了超过2亿美元的收入。

但其他的AI图像生成器,甚至包括OpenAI的DALL-E 3.其实并没有赚多少钱。

图片

Meta虽然拥有蓬勃发展的广告业务,但并没有试图这样做。

Sora的其他竞争对手,Pika、Stable Diffusion等等,也都没有这样做。

行业巨震,初创公司何去何从

对于AI视频初创公司来说,好消息是,OpenAI不太可能让人免费使用Sora。部分原因是,运营这项技术的成本很高。

这也就意味着,其他公司可以对自己的产品收费。

现在,它们还有机会!因为Sora在几个月内,可能都不会开放使用。

还有一个未解之谜,Sora的训练数据究竟是来自哪里的呢?

有一些行业观察人士(如Meta的AI领导者之一Soumith Chintala)推测,其中就有游戏引擎生成的合成数据。

图片

游戏引擎可以渲染视觉效果,以前这个功能主要用于开发视频游戏。

现在,如果OpenAI能使用合成数据的话,这可能就意味着YouTube、好莱坞电影库之类的专有数据集,对于开发AI视频模型的重要性不如大多数研究者此前认为的那么重要。

这也就意味着:如果AI开发者能生成良好的合成数据,也就可以赚钱了。

往远了看,如今AI已经把人类的文本都学完了,下一步就是视频。如果视频素材也学完了,该怎么办?

有人说,那时就可以给大模型装上摄像头,因为人类世界每天需要学习的东西可太多了。

Sam Altman张口要7万亿美元,或许是OpenAI真的研究出了了不得的东西,比如即将成形的AGI。

算力、数据,手握这些资源的,就会得到第一个AGI。

2
查看相关话题: #Sora #Runway #Pika #prompt

相关文章