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

來源：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)建長達60秒的視頻，其中包含高度詳細的場景、復(fù)雜的攝像機運動以及充滿活力的情感的多個角色，也可以根據(jù)靜態(tài)圖像制作動畫。

根據(jù)OpenAI官網(wǎng)，Sora能夠生成具有多個角色、特定類型的運動以及主體和背景的準(zhǔn)確細節(jié)的復(fù)雜場景。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。

OpenAI 視頻截圖

外媒援引人工智能專家和分析師的話稱，Sora視頻的長度和質(zhì)量超出了迄今為止所見的水平，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記者采訪時表示，雖然輿論對這款產(chǎn)品很沸騰，但相關(guān)從業(yè)者依然要用開放心態(tài)學(xué)習(xí)，同時冷靜觀望，“從技術(shù)來看，之前Runway、Pika、Google和Meta都推出過文生視頻工具，Sora的優(yōu)勢主要是三方面，首先是可以生成長達60秒鐘的超長視頻，包括多個角色、特定類型動作和主題背景；第二，可以在單個生成的視頻中創(chuàng)建多個鏡頭，模擬復(fù)雜的攝像機運鏡，同時準(zhǔn)確地保持角色和視覺風(fēng)格。第三，能夠理解物體在現(xiàn)實世界中的物理規(guī)律和存在方式，不會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)用于沒有藝術(shù)性和不確定的場景，現(xiàn)在很多公司在使用ChatGPT做文本優(yōu)化，非常節(jié)省時間，“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記者，和其他視頻模型相比，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，大家覺得驚艷也是認為它生成的內(nèi)容看上去和真的一樣。Open AI認為，通過壓縮可以對這個世界進行建模，然后能對這個世界進行預(yù)測，這是Open AI一直以來的信仰。如果是3、4秒的視頻可能能躲避一些bug，60秒的時長對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ChatGPT重塑了文本相關(guān)行業(yè)，那視頻模型Sora是否會改寫視頻行業(yè)，甚至是電影產(chǎn)業(yè)？

周健表示，生產(chǎn)力會大大提升，就如之前的文生圖，對游戲、廣告行業(yè)起到的作用是不再靠初級的繪圖師通過畫來表達創(chuàng)意。但Sora對復(fù)雜的交互還是有問題，比如，敲碎一個杯子它就做不到，因為杯子可能通過一定的物理規(guī)律進行拆碎，很多碎片彈出來，每一片碎片其實都得遵循物理規(guī)律。

韜蘊資本合伙人常惠芳告訴澎湃新聞記者，Sora對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到要求的情況下，如果AI有成本優(yōu)勢，某些場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。從投資角度來看，外界會對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。

張均認為，從行業(yè)影響來看，對基礎(chǔ)性的畫師人才需求會有很大影響，但涉及到藝術(shù)和創(chuàng)意類，實際上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)性制作場景。

周健也持有類似觀點，“不管是《熱辣滾燙》還是《流浪地球》，電影里有價值觀，有一致性，你現(xiàn)在把劇本拆成1000段prompt，對生成視頻‘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)實肯定會融合在一起，肯定會有很多創(chuàng)意出現(xiàn)。”周健認為，對游戲行業(yè)會有一些影響，原本的游戲視頻要花很大的力氣，現(xiàn)在用這個工具變得簡單。

電影導(dǎo)演和視覺特效專家Michael Gracey在接受外媒采訪時表示，以后或許不再需要一個由100名200名藝術(shù)家組成的團隊來用3年時間完成動畫長片，像Sora這樣的人工智能工具將使電影制作者能夠仔細控制他們的輸出，從頭開始制作各種視頻。

不過，也有影視后期從業(yè)者告訴澎湃新聞記者，AI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，例如要做到能對細節(jié)之處隨時調(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，從成本來看，目前專業(yè)3D的后期處理，3分鐘的視頻總價格約為30萬元，初步估算一分鐘價格約10萬元，其中主要是人力成本，需要3人團隊投入一個月時間才能制作完成。如果未來Sora真的能投入影視行業(yè)商業(yè)應(yīng)用的話，確實有廣泛的空間，但現(xiàn)在還有一定差距。

就如此前ChatGPT問世時，曾有人擔(dān)心是否會取代部分人類工作，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記者，OpenAI此次推出的Sora是OpenAI多模態(tài)能力在應(yīng)用層面的又一個新高度，也是AI領(lǐng)域新的里程碑。從功能來看，能夠用文字生成長達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，實現(xiàn)“1分鐘視頻自由”。但同時，也會更加凸顯創(chuàng)意和IP的價值，因為AI智能做到輔助生成，但具體的創(chuàng)意還是需要人類來設(shè)計和策劃，“隨著AI時代到來，工具會變得很普及，如果大家都使用工具，那么如何體現(xiàn)自己的競爭力？最后還是會回到創(chuàng)意能力上。”

還有行業(yè)人士認為，國內(nèi)文本模型的進步速度已經(jīng)很快，但算力會把差距放大。當(dāng)然，國內(nèi)企業(yè)的強項是數(shù)據(jù)，和國外科技企業(yè)相比，國內(nèi)在應(yīng)用端有優(yōu)勢。

中國社會科學(xué)院法學(xué)研究所副研究員唐林垚告訴澎湃新聞記者，從公布的視頻來看，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大，且之后可以像ChatGPT一樣便捷訪問，那么Sora將給廣告行業(yè)、影視行業(yè)和特效行業(yè)帶來極大的沖擊。”

從法律監(jiān)管角度，唐林垚表示，AI生成視頻帶來的監(jiān)管挑戰(zhàn)包括但不限于如何有效區(qū)分真實和虛假內(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；更進一步的法治挑戰(zhàn)在于，如何平衡強監(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”和“防范意識”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，‘眼見為實’已經(jīng)是過去時。”

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