OpenAI深夜發(fā)布首個(gè)文生視頻模型Sora,，現(xiàn)實(shí)將被徹底顛覆

小大

用微信掃描二維碼
分享至好友和朋友圈

關(guān)鍵詞：

2024-02-16 10:58:51 界面新聞

2月16日凌晨，OpenAI再次扔出一枚深水炸彈,，發(fā)布了首個(gè)文生視頻模型Sora,。據(jù)介紹，Sora可以直接輸出長達(dá)60秒的視頻，并且包含高度細(xì)致的背景,、復(fù)雜的多角度鏡頭,，以及富有情感的多個(gè)角色。

目前官網(wǎng)上已經(jīng)更新了48個(gè)視頻demo,，在這些demo中,，Sora不僅能準(zhǔn)確呈現(xiàn)細(xì)節(jié)，還能理解物體在物理世界中的存在,，并生成具有豐富情感的角色,。該模型還可以根據(jù)提示、靜止圖像甚至填補(bǔ)現(xiàn)有視頻中的缺失幀來生成視頻,。

例如一個(gè)Prompt（大語言模型中的提示詞）的描述是：在東京街頭，一位時(shí)髦的女士穿梭在充滿溫暖霓虹燈光和動感城市標(biāo)志的街道上,。

在Sora生成的視頻里,，女士身著黑色皮衣、紅色裙子在霓虹街頭行走,，不僅主體連貫穩(wěn)定,，還有多鏡頭，包括從大街景慢慢切入到對女士的臉部表情的特寫,，以及潮濕的街道地面反射霓虹燈的光影效果,。

另一個(gè)Prompt則是，一只貓?jiān)噲D叫醒熟睡的主人,，要求吃早餐,，主人試圖忽略這只貓，但貓嘗試了新招,，最終主人從枕頭下拿出藏起來的零食,，讓貓自己再多待一會兒。在這個(gè)AI生成視頻里,，貓甚至都學(xué)會了踩奶,，對主人鼻頭的觸碰甚至都是輕輕的，接近物理世界里貓的真實(shí)反應(yīng),。

OpenAI表示,，他們正在教AI理解和模擬運(yùn)動中的物理世界，目標(biāo)是訓(xùn)練模型來幫助人們解決需要現(xiàn)實(shí)世界交互的問題,。

隨后OpenAI解釋了Sora的工作原理,，Sora是一個(gè)擴(kuò)散模型，它從類似于靜態(tài)噪聲的視頻開始,，通過多個(gè)步驟逐漸去除噪聲,，視頻也從最初的隨機(jī)像素轉(zhuǎn)化為清晰的圖像場景。Sora使用了Transformer架構(gòu)，有極強(qiáng)的擴(kuò)展性,。

視頻和圖像是被稱為“補(bǔ)丁”的較小數(shù)據(jù)單位集合,，每個(gè)“補(bǔ)丁”都類似于GPT中的一個(gè)標(biāo)記（Token），通過統(tǒng)一的數(shù)據(jù)表達(dá)方式,，可以在更廣泛的視覺數(shù)據(jù)上訓(xùn)練和擴(kuò)散變化,，包括不同的時(shí)間、分辨率和縱橫比,。

12 全文共 2 頁下一頁

關(guān)閉

OpenAI深夜發(fā)布首個(gè)文生視頻模型Sora,，現(xiàn)實(shí)將被徹底顛覆

相關(guān)新聞

今日熱點(diǎn)

頻道熱點(diǎn)