cq9电子平台网站：OpenAI发布首个视频生成模型1分钟流畅高清网友：整个行业RIP

　　完美继承DALL·E 3的画质和遵循指令能力，能生成长达1分钟的高清视频。

　　有紧跟舞龙队伍抬头好奇官网的儿童，还有不少人掏出手机边跟边拍，海量人物角色各有各的行为。

　　OpenAI表示，正在教AI理解和模拟运动中的物理世界，目标是训练模型来帮助人们解决需要现实世界交互的问题

　　目前Sora已经能生成具有多个角色、包含特定运动的复杂场景，不仅能理解用户在提示中提出的要求，还了解这些物体在物理世界中的存在方式。

　　比如一大群纸飞机在树林中飞过，Sora知道碰撞后会发生什么，并表现其中的光影变化。

　　Sora还可以在单个视频中创建多个镜头，并依靠对语言的深入理解准确地解释提示词，保留角色和视觉风格。

　　美丽、白雪皑皑的东京熙熙攘攘。镜头穿过熙熙攘攘的城市街道，跟随几个人享受美丽的雪天并在附近的摊位购物。绚丽的樱花花瓣随着雪花随风飘扬。

　　对于Sora当前存在的弱点，OpenAI也不避讳，指出它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“五只灰狼幼崽在一条偏僻的碎石路上互相嬉戏、追逐”，狼的数量会变化，一些凭空出现或消失。

　　该模型还可能混淆提示的空间细节，例如混淆左右，并且可能难以精确描述随着时间推移发生的事件，例如遵循特定的相机轨迹。

　　Sora是一种扩散模型，从噪声开始，能够一次生成整个视频或扩展视频的长度，

　　关键之处在于一次生成多帧的预测，确保画面主体即使暂时离开视野也能保持不变。

　　与GPT模型类似，Sora使用了Transformer架构，有很强的扩展性。

　　在数据方面，OpenAI将视频和图像表示为patch，类似于GPT中的token。

　　通过这种统一的数据表示方式，可以在比以前更广泛的视觉数据上训练模型，涵盖不同的持续时间、分辨率和纵横比。

　　Sora建立在过去对DALL·E和GPT模型的研究之上。它使用DALL·E 3的重述提示词技术，为视觉训练数据生成高度描述性的标注，因此能够更忠实地遵循用户的文本指令。

　　除了能够仅根据文本指令生成视频之外，该模型还能够获取现有的静态图像并从中生成视频，准确地让图像内容动起来并关注小细节。

　　该模型还可以获取现有视频并对其进行扩展或填充缺失的帧，请参阅技术论文了解更多信息。

　　Sora 是能够理解和模拟现实世界的模型的基础，OpenAI相信这一功能将成为实现AGI的重要里程碑。

　　目前已有一些视觉艺术家、设计师和电影制作人（以及OpenAI员工）获得了Sora访问权限。

　　一位时尚女性走在充满温暖霓虹灯和动画城市标牌的东京街道上。她穿着黑色皮夹克、红色长裙和黑色靴子，拎着黑色钱包。她戴着太阳镜，涂着红色口红。她走路自信又随意。街道潮湿且反光，在彩色灯光的照射下形成镜面效果地型模型。许多行人走来走去。

　　电影预告片讲述了30岁宇航员戴着红色羊毛针织摩托车头盔的冒险经历，蓝天、盐漠，电影风格，35毫米胶片拍摄，色彩鲜艳。

　　无人机摄像机围绕着一座美丽的历史教堂盘旋，这座教堂建在阿马尔菲海岸的岩石露头上，视图展示了历史悠久、宏伟的建筑细节以及分层的路径和露台，当视图俯瞰地平线时，可以看到海浪拍打着下面的岩石。意大利阿马尔菲海岸的沿海水域和丘陵景观，远处的几个人在露台上散步和欣赏壮丽的海景，午后阳光的温暖光芒给场景营造出一种神奇而浪漫的感觉，景色令人惊叹用美丽的摄影捕捉。

　　一只巨大的橙色章鱼躺在海底，与沙石地形融为一体。它的触角散布在身体周围，双眼紧闭。不远处，一只棕色多刺的帝王蟹正从岩石后爬向它，钳子高举待击。画面以广角拍摄，展现出海洋的无垠深邃。水清澈见底，阳光透过水面，投下斑斓光影。画面清晰生动，章鱼和蟹清晰可见，而背景稍显模糊，营造出景深效果。