OpenAI最近发布了一款名为Sora的新型文生视频大模型，这个模型能够根据文本指令生成长达60秒的高清视频。Sora不仅能够创造逼真和充满想象力的场景，而且还能够在视频中包含多个角色、展现特定的动作类型，以及对对象和背景的精确细节描绘。例如，在一段演示视频中，Sora展示了从天空俯瞰的东京街道，跟随一对牵手的情侣走过日本风格的街道。
Sora的工作原理基于扩散模型，这种模型从类似于静态噪声的视频开始，通过多个步骤逐渐去除噪声，视频也从最初的随机像素转化为清晰的图像场景。此外，Sora还使用了Transformer架构，具有极强的扩展性。在训练方面，OpenAI利用了DALL·E 3的重述提示词技术，为视觉模型训练数据生成高描述性的标注，从而使模型能更好地遵循文本指令。
尽管Sora的能力令人印象深刻，但它也存在一些弱点。例如，Sora可能难以准确模拟复杂场景的物理原理，并且可能无法理解因果关系。例如，在某个视频中，一个人咬了一口饼干后，饼干却没有留下咬痕。
目前，Sora还未向公众开放使用，OpenAI担心深度伪造视频的滥用问题。现在只有一部分视觉艺术家、设计师和电影制作人有内部试用机会。此外，OpenAI还在与第三方安全测试人员共享该模型，进行红队测试，以确保其安全性和可靠性。
总的来说，Sora的出现代表了AI视频生成领域的一大突破，它不仅能够生成长达60秒的视频，还能在视频中展现丰富的细节和情感，从而为内容创作和媒体制作带来新的可能性。
未经允许不得转载：445IT之家 » OpenAI震撼发布Sora 60秒高清视频 一触即发
