馬斯克說(shuō)人類愿賭服輸！OpenAI首個(gè)文生視頻模型炸街，哪些行業(yè)又將顛覆

馬斯克說(shuō)人類愿賭服輸！OpenAI首個(gè)文生視頻模型炸街，哪些行業(yè)又將顛覆

來(lái)源：澎湃新聞

視頻加載中...

人工智能（AI）巨頭OpenAI在龍年伊始就扔出了殺手锏。

當(dāng)?shù)貢r(shí)間2月15日，OpenAI宣布，正在研發(fā)“文生視頻”模型Sora，可以創(chuàng)建長(zhǎng)達(dá)60秒的視頻，其中包含高度詳細(xì)的場(chǎng)景、復(fù)雜的攝像機(jī)運(yùn)動(dòng)以及充滿活力的情感的多個(gè)角色，也可以根據(jù)靜態(tài)圖像制作動(dòng)畫。

根據(jù)OpenAI官網(wǎng)，Sora能夠生成具有多個(gè)角色、特定類型的運(yùn)動(dòng)以及主體和背景的準(zhǔn)確細(xì)節(jié)的復(fù)雜場(chǎng)景。Sora不僅了解用戶在提示中提出的要求，還了解這些東西在物理世界中的存在方式。

盡管OpenAI也展示了多個(gè)目前Sora的缺陷，但是已公布且未經(jīng)修改的“原生AI視頻”足以震撼全場(chǎng)。

OpenAI 視頻截圖

外媒援引人工智能專家和分析師的話稱，Sora視頻的長(zhǎng)度和質(zhì)量超出了迄今為止所見(jiàn)的水平，部分視頻已經(jīng)難辨真假。2022年11月推出的ChatGPT引領(lǐng)了全球大模型的蓬勃發(fā)展，并開(kāi)始在特定行業(yè)展現(xiàn)生產(chǎn)力，今年推出的Sora是否能承接ChatGPT的衣缽？

暴走游戲CEO張均在接受澎湃新聞?dòng)浾卟稍L時(shí)表示，雖然輿論對(duì)這款產(chǎn)品很沸騰，但相關(guān)從業(yè)者依然要用開(kāi)放心態(tài)學(xué)習(xí)，同時(shí)冷靜觀望，“從技術(shù)來(lái)看，之前Runway、Pika、Google和Meta都推出過(guò)文生視頻工具，Sora的優(yōu)勢(shì)主要是三方面，首先是可以生成長(zhǎng)達(dá)60秒鐘的超長(zhǎng)視頻，包括多個(gè)角色、特定類型動(dòng)作和主題背景；第二，可以在單個(gè)生成的視頻中創(chuàng)建多個(gè)鏡頭，模擬復(fù)雜的攝像機(jī)運(yùn)鏡，同時(shí)準(zhǔn)確地保持角色和視覺(jué)風(fēng)格。第三，能夠理解物體在現(xiàn)實(shí)世界中的物理規(guī)律和存在方式，不會(huì)做出畫面精美但到處穿幫的內(nèi)容。”

張均表示，Open AI在此前推出的ChatGPT主要還是應(yīng)用于沒(méi)有藝術(shù)性和不確定的場(chǎng)景，現(xiàn)在很多公司在使用ChatGPT做文本優(yōu)化，非常節(jié)省時(shí)間，“用AI工具把視頻鏈接直接變成文本，再用GPT秒改，再排查相關(guān)詞組后，只需要幾分鐘完成。”

瀾碼科技CEO周健則告訴澎湃新聞?dòng)浾撸推渌曨l模型相比，最大的區(qū)別是Sora是用所謂的文本編碼去生成物理世界的模型，大家覺(jué)得驚艷也是認(rèn)為它生成的內(nèi)容看上去和真的一樣。Open AI認(rèn)為，通過(guò)壓縮可以對(duì)這個(gè)世界進(jìn)行建模，然后能對(duì)這個(gè)世界進(jìn)行預(yù)測(cè)，這是Open AI一直以來(lái)的信仰。如果是3、4秒的視頻可能能躲避一些bug，60秒的時(shí)長(zhǎng)對(duì)視頻里的世界一致性要求更高，否則大家一下子就能看出區(qū)別。

如果說(shuō)ChatGPT重塑了文本相關(guān)行業(yè)，那視頻模型Sora是否會(huì)改寫視頻行業(yè)，甚至是電影產(chǎn)業(yè)？

周健表示，生產(chǎn)力會(huì)大大提升，就如之前的文生圖，對(duì)游戲、廣告行業(yè)起到的作用是不再靠初級(jí)的繪圖師通過(guò)畫來(lái)表達(dá)創(chuàng)意。但Sora對(duì)復(fù)雜的交互還是有問(wèn)題，比如，敲碎一個(gè)杯子它就做不到，因?yàn)楸涌赡芡ㄟ^(guò)一定的物理規(guī)律進(jìn)行拆碎，很多碎片彈出來(lái)，每一片碎片其實(shí)都得遵循物理規(guī)律。

韜蘊(yùn)資本合伙人常惠芳告訴澎湃新聞?dòng)浾撸琒ora對(duì)小屏短視頻制作可能產(chǎn)生一定影響，小屏圖像視頻需要處理的數(shù)據(jù)量不大，網(wǎng)速和普通電腦硬件配置能達(dá)到要求的情況下，如果AI有成本優(yōu)勢(shì)，某些場(chǎng)景可以替代人工拍攝。在大銀幕方面，受制于算力等基礎(chǔ)設(shè)施的限制，還做不到替代。從投資角度來(lái)看，外界會(huì)對(duì)AI視頻類的產(chǎn)品更為關(guān)注，例如此前推出的Runway、Pika、Google和Meta等產(chǎn)品。

張均認(rèn)為，從行業(yè)影響來(lái)看，對(duì)基礎(chǔ)性的畫師人才需求會(huì)有很大影響，但涉及到藝術(shù)和創(chuàng)意類，實(shí)際上AI的作用還是非常有限的，Sora可能只能應(yīng)用于非常有限的重復(fù)性制作場(chǎng)景。

周健也持有類似觀點(diǎn)，“不管是《熱辣滾燙》還是《流浪地球》，電影里有價(jià)值觀，有一致性，你現(xiàn)在把劇本拆成1000段prompt，對(duì)生成視頻‘不一致’的地方，你再靠人去修整，這是很難的事情。但是我也相信，虛擬和現(xiàn)實(shí)肯定會(huì)融合在一起，肯定會(huì)有很多創(chuàng)意出現(xiàn)。”周健認(rèn)為，對(duì)游戲行業(yè)會(huì)有一些影響，原本的游戲視頻要花很大的力氣，現(xiàn)在用這個(gè)工具變得簡(jiǎn)單。

電影導(dǎo)演和視覺(jué)特效專家Michael Gracey在接受外媒采訪時(shí)表示，以后或許不再需要一個(gè)由100名200名藝術(shù)家組成的團(tuán)隊(duì)來(lái)用3年時(shí)間完成動(dòng)畫長(zhǎng)片，像Sora這樣的人工智能工具將使電影制作者能夠仔細(xì)控制他們的輸出，從頭開(kāi)始制作各種視頻。

不過(guò)，也有影視后期從業(yè)者告訴澎湃新聞?dòng)浾撸珹I生成視頻技術(shù)要真正應(yīng)用到影視行業(yè)制作，要求還是很高，例如要做到能對(duì)細(xì)節(jié)之處隨時(shí)調(diào)整，并且生成的視頻具有一定穩(wěn)定性，不能有變化，目前Sora都不能做到。但該人士也指出，從成本來(lái)看，目前專業(yè)3D的后期處理，3分鐘的視頻總價(jià)格約為30萬(wàn)元，初步估算一分鐘價(jià)格約10萬(wàn)元，其中主要是人力成本，需要3人團(tuán)隊(duì)投入一個(gè)月時(shí)間才能制作完成。如果未來(lái)Sora真的能投入影視行業(yè)商業(yè)應(yīng)用的話，確實(shí)有廣泛的空間，但現(xiàn)在還有一定差距。

就如此前ChatGPT問(wèn)世時(shí)，曾有人擔(dān)心是否會(huì)取代部分人類工作，尤其是非創(chuàng)意類的崗位。

一名不愿具名的互聯(lián)網(wǎng)傳媒首席分析師告訴澎湃新聞?dòng)浾撸琌penAI此次推出的Sora是OpenAI多模態(tài)能力在應(yīng)用層面的又一個(gè)新高度，也是AI領(lǐng)域新的里程碑。從功能來(lái)看，能夠用文字生成長(zhǎng)達(dá)60秒的視頻，意味著Sora可以極大程度地降低創(chuàng)意視頻的制作門檻，解放生產(chǎn)力，實(shí)現(xiàn)“1分鐘視頻自由”。但同時(shí)，也會(huì)更加凸顯創(chuàng)意和IP的價(jià)值，因?yàn)锳I智能做到輔助生成，但具體的創(chuàng)意還是需要人類來(lái)設(shè)計(jì)和策劃，“隨著AI時(shí)代到來(lái)，工具會(huì)變得很普及，如果大家都使用工具，那么如何體現(xiàn)自己的競(jìng)爭(zhēng)力？最后還是會(huì)回到創(chuàng)意能力上。”

還有行業(yè)人士認(rèn)為，國(guó)內(nèi)文本模型的進(jìn)步速度已經(jīng)很快，但算力會(huì)把差距放大。當(dāng)然，國(guó)內(nèi)企業(yè)的強(qiáng)項(xiàng)是數(shù)據(jù)，和國(guó)外科技企業(yè)相比，國(guó)內(nèi)在應(yīng)用端有優(yōu)勢(shì)。

中國(guó)社會(huì)科學(xué)院法學(xué)研究所副研究員唐林垚告訴澎湃新聞?dòng)浾撸瑥墓嫉囊曨l來(lái)看，相較于其他視頻類生成式AI，Sora在畫面清晰度、內(nèi)容流暢度、表意深度和精彩程度方面均有大幅提升：“如果Sora的能力真如官方公布一樣強(qiáng)大，且之后可以像ChatGPT一樣便捷訪問(wèn)，那么Sora將給廣告行業(yè)、影視行業(yè)和特效行業(yè)帶來(lái)極大的沖擊。”

從法律監(jiān)管角度，唐林垚表示，AI生成視頻帶來(lái)的監(jiān)管挑戰(zhàn)包括但不限于如何有效區(qū)分真實(shí)和虛假內(nèi)容，以及如何確保人工智能作品不被用于誤導(dǎo)公眾或其他非法目的；更進(jìn)一步的法治挑戰(zhàn)在于，如何平衡強(qiáng)監(jiān)管與行業(yè)發(fā)展之間的張力。而在法律之外，網(wǎng)民和受眾的“反欺詐意識(shí)”和“防范意識(shí)”也亟待提高：“不同于早期深度偽造視頻粗糙且拙劣，今天的Sora樣片可謂嘆為觀止，這無(wú)疑表明，在技術(shù)主導(dǎo)且迭代迅猛的當(dāng)今互聯(lián)網(wǎng)生態(tài)下，‘眼見(jiàn)為實(shí)’已經(jīng)是過(guò)去時(shí)。”

有意思的是，就在Sora發(fā)布后數(shù)小時(shí)，特斯拉CEO馬斯克就在X平臺(tái)上接連回復(fù)多條帖子“輸出”觀點(diǎn)。有網(wǎng)友在評(píng)論Sora生成的60秒時(shí)尚女子在東京街頭散步時(shí)稱，“gg Pixar（皮克斯動(dòng)畫制作公司）”（編注：gg為Good Games縮寫，代指“打得好，我認(rèn)輸”;），隨后馬斯克回復(fù)，“gg humans（人類）”。之后馬斯克還稱，通過(guò)AI增強(qiáng)的人類將在未來(lái)幾年創(chuàng)造出最好的作品。