智東西（公眾號：zhidxcom）
作者 | 李水青
編輯 | 心緣
智東西10月1日報道，今日凌晨，OpenAI發(fā)布了旗艦視頻和音頻生成模型Sora 2，并推出“AI版抖音”——Sora應(yīng)用程序。
OpenAI將Sora 2稱作“正直奔視頻領(lǐng)域的GPT-3.5時刻”。相比之前的Sora，Sora 2能更加精準逼真地模擬物理世界，并且更易于控制，還支持同步對話和音效。
從官方公布的視頻Demo來看，它可以完成一些對于之前的視頻生成模型難以完成的事情：奧運會體操動作、精準模擬浮力和槳板上后空翻，以及花滑運動員頭頂貓咪的三周半跳。
▲提示詞：花樣滑冰運動員頭頂一只貓表演三周半跳
Sora應(yīng)用程序定位一款社交App，支持用戶將自己生成的視頻上傳，并通過“客串”功能讓用戶參與到好友視頻創(chuàng)作中。OpenAI的目標是試圖打造一種全新獨特的人際溝通方式。
▲OpenAI推出社交App Sora
目前，Sora iOS應(yīng)用程序現(xiàn)已開放下載，以邀請制的形式在美國和加拿大推出。獲得邀請碼的用戶也可在Sora官網(wǎng)免費體驗Sora 2，ChatGPT Pro用戶可以體驗更高質(zhì)量的Sora 2 Pro模型。
Sora 2一經(jīng)發(fā)布就在外網(wǎng)炸開了鍋，有大部分人是求邀請碼的，有小部分人已拿到邀請碼。社交平臺X上立馬出現(xiàn)了不少Sora 2生成視頻，甚至連OpenAI CEO薩姆·阿爾特曼都被“玩壞了”。
同時也有不少人感到擔(dān)憂，X上的一位用戶稱：“幾個月后，我們將無法區(qū)分什么是真實的，什么不是真實的，那將是一個可怕的時代?！?/p>
▲社交平臺X的網(wǎng)友評論
一、Sora 2來了：“視頻領(lǐng)域的GPT-3.5時刻”
OpenAI稱，2024年2月發(fā)布的Sora在很多方面都堪稱視頻領(lǐng)域的“GPT-1 時刻”——視頻生成首次開始顯現(xiàn)成效，通過擴展預(yù)訓(xùn)練計算能力，物體持久性等需求得以實現(xiàn)。
OpenAI將Sora 2稱作“正直奔視頻領(lǐng)域的GPT-3.5時刻”。先前的視頻模常常使得物體變形并扭曲現(xiàn)實，以便成功執(zhí)行文本提示。例如，如果籃球運動員投籃不中，球可能會自動傳送到籃筐。但在Sora 2中，如果籃球運動員投籃不中，球會從籃板上反彈。
還比如，下面這個Sora 2生成的后空翻視頻，表演者甚至在落地后有一些踉蹌，且臉上出現(xiàn)了因小失誤有些尷尬的表情，很像真實生活中的場景。
▲提示詞：一個人做后空翻
有趣的是，該模型犯下的“錯誤”往往看起來像是Sora 2 隱式建模的內(nèi)部智能體所犯的錯誤；盡管它仍然不完美，但與先前的系統(tǒng)相比，它在遵循物理定律方面做得更好。
OpenAI認為，對于任何有用的世界模擬器來說，這都是一項極其重要的能力——你必須能夠模擬失敗，而不僅僅是成功。
該模型在可控性方面也實現(xiàn)了巨大的飛躍，能夠執(zhí)行跨越多個鏡頭的復(fù)雜指令，同時精準地保留世界狀態(tài)。它擅長處理寫實、電影和動漫風(fēng)格。
▲提示詞：維京人參戰(zhàn)——北海發(fā)射（10.0 秒，冬季涼爽的日光/中世紀早期）……
作為通用的視頻音頻生成系統(tǒng)，它能夠創(chuàng)建具有高度真實感的復(fù)雜背景音景、語音和音效。
▲提示詞：兩名身穿亮色技術(shù)盔甲的登山探險者，臉上結(jié)滿冰霜，瞇著眼睛，急切地在雪地里喊叫，一次一個
用戶還可以將現(xiàn)實世界的元素直接注入Sora 2。例如，通過觀察我們一位隊友的視頻，該模型可以將其插入到任何由Sora生成的環(huán)境中，并準確刻畫其外貌和聲音。這項功能非常通用，適用于任何人類、動物或物體。
▲提示詞：大腳對他真的很好，有點兒太好了，好得有點兒古怪。大腳想跟他一起玩，但他想玩得太多了。
OpenAI稱，該模型遠非完美，并且存在很多錯誤，但它證實了進一步擴大視頻數(shù)據(jù)上的神經(jīng)網(wǎng)絡(luò)將使我們更接近模擬現(xiàn)實。
二、AI版抖音推出，真人“客串”視頻，新社交神器？
今天，OpenAI還推出了一款名為“Sora”的全新iOS社交應(yīng)用，該應(yīng)用由Sora 2提供支持。
在應(yīng)用中，用戶可以創(chuàng)作、混錄彼此的創(chuàng)作風(fēng)格，在可自定義的Sora動態(tài)中發(fā)現(xiàn)新視頻，并通過“客串（Cameos）”功能將自己或好友引入到視頻中。使用客串功能，用戶只需在應(yīng)用中進行一次簡短的音視頻錄制，即可以驚人的保真度將自己直接帶入任何Sora場景。
這看起來像一款A(yù)I版的抖音或TikTok，而OpenAI認為，圍繞這項“客串”功能構(gòu)建的社交應(yīng)用是Sora 2體驗的魅力所在。
幾個月前，OpenAI在Sora團隊開始嘗試“上傳自己生成的視頻”的功能，他們都玩得很開心。OpenAI稱，這感覺就像是溝通方式的自然演變——從短信到表情符號，再到語音備忘錄，再到現(xiàn)在的視頻。
上周，OpenAI向全體員工內(nèi)部發(fā)布了這款應(yīng)用。已經(jīng)有同事反饋，他們通過這項功能在公司結(jié)識了新朋友。
三、邀請制推出，Sora 2免費可用，Pro用戶體驗更高級
OpenAI將Sora應(yīng)用以邀請制的形式推出，確保用戶能與好友一同使用。
收到邀請后，用戶還可以通過sora.com訪問Sora 2 。Sora 2最初將免費提供，但這些功能仍受計算能力限制。ChatGPT Pro用戶還可以在sora.com上使用實驗性的、更高質(zhì)量的Sora 2 Pro模型。
OpenAI還計劃在API中發(fā)布Sora 2。Sora 1 Turbo將繼續(xù)可用，用戶創(chuàng)建的所有內(nèi)容也將繼續(xù)存在于sora.com中。
為了防止上癮等問題，OpenAI將采取一系列措施。
一是其將為用戶提供工具和自主選擇權(quán)，讓他們能夠掌控信息流中的內(nèi)容。利用OpenAI現(xiàn)有的大型語言模型，其開發(fā)了一類新的推薦算法，可以通過自然語言進行指導(dǎo)；還內(nèi)置了定期調(diào)查用戶健康狀況的機制，并主動為他們提供調(diào)整信息流的選項。
默認情況下，OpenAI會向用戶顯示主要針對關(guān)注或互動的人的內(nèi)容，并優(yōu)先顯示模型認為用戶最有可能用作創(chuàng)作靈感的視頻；不會針對用戶在動態(tài)信息流中花費的時間進行優(yōu)化，明確設(shè)計這款應(yīng)用的初衷是最大限度地提升創(chuàng)作量，而非消費量。
在青少年保護方面，OpenAI將通過ChatGPT推出Sora家長控制功能，以便家長可以覆蓋無限滾動限制、關(guān)閉算法個性化以及管理私信設(shè)置。
在客串功能方面，用戶可以與Sora端到端地掌控肖像。只有用戶本人才能決定誰可以使用自己的客串，并且可以隨時撤銷訪問權(quán)限或移除包含該客串的任何視頻。用戶可以隨時查看包含您客串的視頻，包括其他人創(chuàng)建的草稿。
OpenAI在這款應(yīng)用中處理了許多安全問題，例如肖像使用方面的知情同意、出處確認、防止有害內(nèi)容的生成等等。
其他應(yīng)用的很多問題都源于其盈利模式。OpenAI目前唯一的計劃是，如果需求量相對于可用計算能力過大，最終允許用戶選擇支付一定金額來生成額外的視頻。
結(jié)語：Sora 2憋大招，或推動視頻生成產(chǎn)業(yè)洗牌
自O(shè)penAI在2024年2月發(fā)布Sora已經(jīng)過去超一年半時間，Sora 2終于到來。從效果來看，這款模型在模擬真實性、可控性及音效方面都有比較大的進展，有望推動視頻生成產(chǎn)業(yè)格局加速洗牌。
視頻模型正在飛速發(fā)展，通用世界模擬器不僅提供了新的內(nèi)容生成方式，還有望重塑人際溝通方式。OpenAI正通過全新的Sora社交App靠近這一目標，也標志視頻生成模型在落地應(yīng)用上更加成熟。
