效果炸裂！OpenAI发布最强文生***模型Sora，但模拟复杂物理场景仍有瑕疵

专题：OpenAI发布首个视频生成模型Sora：输文字出***

　　华尔街见闻

　　效果炸裂，连贯性优秀，但模拟复杂物理场景仍有瑕疵。考虑到这一技术存在滥用风险，Sora暂时不对公众开放。

　　紧随 Runway 、 Google、Meta 等公司的步伐，OpenAI正式进军***生成领域。

　　这家 AI 领头羊声称，Sora 能够根据文本指令，创造出既真实又充满创意的场景，且生成***时长可达60秒——远超大多数类似模型。

　　OpenAI在博文中表示，Sora 不仅能生成包含多个角色的复杂场景，还能准确捕捉到各种动作和背景细节：

　　“Sora不仅能理解用户在提示词中提出的需求，还了解这些物体在现实世界中的存在方式。”

　　总的来说，OpenAI 对 Sora 的演示页面充满了溢美之词，仅从其展示的“Sample”示例***来看，Sora确实比目前其他的文本转***技术更为出色。

　　连贯性优秀，但模拟复杂物理场景仍有瑕疵

　　从展示的几个示例***上看，Sora在保持连贯性方面做得相当好，基本避免了所谓的“AI 奇异感”，即物体以不符合物理规律的方式移动。

　　例如，这段完全由 Sora 创作的艺术画廊之旅（请忽略掉***转GIF带来的颗粒感）：

　　或是这支绽放的花朵：

　　不过，一些以类人为主题的 Sora ***——比如站在城市景观中的机器人，或是雪地中行走的人，展现了一种类似***游戏的质感——这可能是因为背景较为简单。

　　值得一提的是，尽管OpenAI对Sora大加赞赏，但也承认这一模型并非完美无缺。

　　例如，Sora 在模拟复杂场景的物理行为时可能会遇到难题，对特定因果关系的理解也不够精准。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。

　　另外，模型在处理空间细节时也可能出错，如将左右搞反，或在描述随时间变化的***时出现精确度不足，例如无法精确遵循特定的摄像机机位轨迹等。

　　暂不对公众开放

　　据OpenAI官博， Sora 目前定位为研究预览。训练参数方面，除去提到了约10，000小时的“高质量”***，并未详细说明训练该模型所用的数据。

　　目前，Sora仅向负责评估模型潜在危害和风险的“红队”成员开放，并未推向公开市场。不过，OpenAI 也向一些视觉艺术家、设计师和电影制作人提供了体验机会，以征集他们的反馈。

　　其考虑是，这一技术潜在的滥用风险。OpenAI 明确表示，不法分子可能会以多种方式滥用 Sora。该公司表示：

“正在与专家合作，探索模型的潜在弱点，并开发工具以判断***是否由 Sora 生成。”

　　OpenAI还表示，如果决定将这一模型开发成面向公众的产品，将确保生成的内容中包含来源元数据。OpenAI 强调：

“ 我们将与全球的政策制定者、教育者和艺术家沟通，以了解他们对这项新技术的看法及其积极应用。

尽管我们进行了广泛的研究和测试，但无法完全预见到这项技术将如何被有益地使用，或被滥用。

因此，我们认为，从现实世界中的应用学习，是逐步创建和发布更安全的 AI 系统的关键。”