智東西
作者 李水青
編輯 心緣

智東西10月1日?qǐng)?bào)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(shí)刻”。相比之前的Sora，Sora 2能更加精準(zhǔn)逼真地模擬物理世界，并且更易于控制，還支持同步對(duì)話和音效。

從官方公布的視頻Demo來看，它可以完成一些對(duì)于之前的視頻生成模型難以完成的事情：奧運(yùn)會(huì)體操動(dòng)作、精準(zhǔn)模擬浮力和槳板上后空翻，以及花滑運(yùn)動(dòng)員頭頂貓咪的三周半跳。

▲提示詞：花樣滑冰運(yùn)動(dòng)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(biāo)是試圖打造一種全新獨(dú)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(qǐng)制的形式在美國和加拿大推出。獲得邀請(qǐng)碼的用戶也可在Sora官網(wǎng)免費(fèi)體驗(yàn)Sora 2，ChatGPT Pro用戶可以體驗(yàn)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(qǐng)碼的，有小部分人已拿到邀請(qǐng)碼。社交平臺(tái)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(shí)也有不少人感到擔(dān)憂，X上的一位用戶稱：“幾個(gè)月后，我們將無法區(qū)分什么是真實(shí)的，什么不是真實(shí)的，那將是一個(gè)可怕的時(shí)代?！?/p>

▲社交平臺(tái)X的網(wǎng)友評(píng)論

一、Sora 2來了：“視頻領(lǐng)域的GPT-3.5時(shí)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(shí)刻”——視頻生成首次開始顯現(xiàn)成效，通過擴(kuò)展預(yù)訓(xùn)練計(jì)算能力，物體持久性等需求得以實(shí)現(xiàn)。

OpenAI將Sora 2稱作“正直奔視頻領(lǐng)域的GPT-3.5時(shí)刻”。先前的視頻模常常使得物體變形并扭曲現(xiàn)實(shí)，以便成功執(zhí)行文本提示。例如，如果籃球運(yùn)動(dòng)員投籃不中，球可能會(huì)自動(dòng)傳送到籃筐。但在Sora 2中，如果籃球運(yùn)動(dòng)員投籃不中，球會(huì)從籃板上反彈。

還比如，下面這個(gè)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(shí)生活中的場景。

▲提示詞：一個(gè)人做后空翻

有趣的是，該模型犯下的“錯(cuò)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(cuò)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(rèn)為，對(duì)于任何有用的世界模擬器來說，這都是一項(xiàng)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(shí)現(xiàn)了巨大的飛躍，能夠執(zhí)行跨越多個(gè)鏡頭的復(fù)雜指令，同時(shí)精準(zhǔn)地保留世界狀態(tài)。它擅長處理寫實(shí)、電影和動(dòng)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(jì)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(shí)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(xiǎn)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(gè)

用戶還可以將現(xiàn)實(shí)世界的元素直接注入Sora 2。例如，通過觀察我們一位隊(duì)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(zhǔn)確刻畫其外貌和聲音。這項(xiàng)功能非常通用，適用于任何人類、動(dòng)物或物體。

▲提示詞：大腳對(duì)他真的很好，有點(diǎn)兒太好了，好得有點(diǎn)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(yuǎn)非完美，并且存在很多錯(cuò)誤，但它證實(shí)了進(jìn)一步擴(kuò)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(shí)。

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(dòng)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(jìn)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(rèn)為，圍繞這項(xiàng)“客串”功能構(gòu)建的社交應(yīng)用是Sora 2體驗(yàn)的魅力所在。

幾個(gè)月前，OpenAI在Sora團(tuán)隊(duì)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(hào)，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(xiàng)功能在公司結(jié)識(shí)了新朋友。

三、邀請(qǐng)制推出，Sora 2免費(fèi)可用，Pro用戶體驗(yàn)更高級(jí)

OpenAI將Sora應(yīng)用以邀請(qǐng)制的形式推出，確保用戶能與好友一同使用。

收到邀請(qǐng)后，用戶還可以通過sora.com訪問Sora 2 。Sora 2最初將免費(fèi)提供，但這些功能仍受計(jì)算能力限制。ChatGPT Pro用戶還可以在sora.com上使用實(shí)驗(yàn)性的、更高質(zhì)量的Sora 2 Pro模型。

OpenAI還計(jì)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(jìn)行指導(dǎo)；還內(nèi)置了定期調(diào)查用戶健康狀況的機(jī)制，并主動(dòng)為他們提供調(diào)整信息流的選項(xiàng)。

默認(rèn)情況下，OpenAI會(huì)向用戶顯示主要針對(duì)關(guān)注或互動(dòng)的人的內(nèi)容，并優(yōu)先顯示模型認(rèn)為用戶最有可能用作創(chuàng)作靈感的視頻；不會(huì)針對(duì)用戶在動(dòng)態(tài)信息流中花費(fèi)的時(shí)間進(jìn)行優(yōu)化，明確設(shè)計(jì)這款應(yīng)用的初衷是最大限度地提升創(chuàng)作量，而非消費(fèi)量。

在青少年保護(hù)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(dòng)限制、關(guān)閉算法個(gè)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(shí)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(shí)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(rèn)、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(jì)劃是，如果需求量相對(duì)于可用計(jì)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(dòng)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(shí)間，Sora 2終于到來。從效果來看，這款模型在模擬真實(shí)性、可控性及音效方面都有比較大的進(jìn)展，有望推動(dòng)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(biāo)，也標(biāo)志視頻生成模型在落地應(yīng)用上更加成熟。