<cite id="apcyb"></cite>
  1. <dfn id="apcyb"><rp id="apcyb"></rp></dfn>

  2. <cite id="apcyb"><noscript id="apcyb"><address id="apcyb"></address></noscript></cite>

    <tt id="apcyb"></tt>
    每日經濟新聞
    今日報紙

    每經網首頁 > 今日報紙 > 正文

    報告揭秘Sora六大優勢 業內:AGI可能在一兩年內實現

    每日經濟新聞 2024-02-18 23:13:38

    每經記者 蘭素英    每經編輯 孫宇婷    

    “兩只金毛獵犬在山頂播客”;

    “火星上日落時的一場極具未來感的無人機比賽”;

    “在一個與自然和諧共生,同時又有超強朋克氣質和高科技屬性的未來城市漫游……”

    根據上述提示詞,OpenAI首席執行官阿爾特曼在X平臺上發布了一系列視頻,精美的場景讓用戶驚嘆不已。而這些視頻全都是通過OpenAI 2月16日發布的最新視頻生成模型Sora制作的,用戶震驚之余,也給予了Sora高度評價,將其描述為“絕無僅有”和“游戲規則改變者”。

    Sora采用了OpenAI文生圖模型DALL·E 3背后的強大技術,可將簡短的文本描述轉化成長達1分鐘的高清視頻。業界大佬Gabor Cselle將Sora和Pika、RunwayML和Stable Video進行對比后發現,在輸入相同的提示后,其他主流工具生成的視頻都大約只有5秒鐘,Sora可以在一段長達17秒視頻場景中,保持動作和畫面一致性。

    英偉達人工智能研究院首席研究科學家Jim Fan也對Sora的能力發出感嘆,稱這是視頻生成領域的GPT-3時刻。他表示,Sora是一個“數據驅動的物理引擎”,一個可學習的模擬器或“世界模型”。360集團創始人、董事長周鴻祎則稱,隨著Sora的到來,人類離AGI真的就不遠了,不是10年、20年的問題,可能一兩年很快就可以實現。

    在隨后發布的技術報告中,OpenAI介紹了Sora的強大性能以及背后的支撐技術,也對Sora的局限性進行了客觀的分析?!睹咳战洕侣劇酚浾咄ㄟ^梳理,總結出了Sora的六大核心優勢。

    從技術上看,Sora有望將數字內容的創造力和真實感提升到新的水平,但凡事總有兩面性,影視、廣告制作和視頻等行業也將面臨嚴重的沖擊。另外,有專家對于技術的迅猛發展也表示出了擔憂,稱這類技術可能會導致“深度偽造”視頻,讓人難以識別,產生濫用等問題。

    報告揭秘Sora六大優勢

    值得注意的是,Sora推出的同一天,谷歌發布了Gemini多模態模型的更新版本,而三天前,Stability AI推出了新的圖像生成模型Stable Cascade。OpenAI的最新舉動無疑將加劇生成式AI圖片和視頻領域的競爭。

    而在Sora推出后不久,OpenAI發布了這款新工具的技術報告。在報告中,OpenAI首先重點介紹了如何將不同類型的視覺數據轉化為統一的格式,以便于對生成模型進行大規模訓練的方法,并對Sora的能力和局限性進行了評價。

    《每日經濟新聞》記者對報告進行梳理,總結出了Sora的六大優勢:

    (1)準確性和多樣性:Sora可將簡短的文本描述轉化成長達1分鐘的高清視頻。它可以準確地解釋用戶提供的文本輸入,并生成具有各種場景和人物的高質量視頻剪輯。它涵蓋了廣泛的主題,從人物和動物到郁郁蔥蔥的風景、城市場景、花園,甚至是水下的紐約市,可根據用戶的要求提供多樣化的內容。另據Medium,Sora能夠準確解釋長達135個單詞的長提示。

    (2)強大的語言理解:OpenAI利用Dall·E模型的recaptioning(重述要點)技術,生成視覺訓練數據的描述性字幕,不僅能提高文本的準確性,還能提升視頻的整體質量。此外,與DALL·E 3類似,OpenAI還利用GPT技術將簡短的用戶提示轉換為更長的詳細轉譯,并將其發送到視頻模型。這使Sora能夠精確地按照用戶提示生成高質量的視頻。

    (3)以圖/視頻生成視頻:Sora除了可以將文本轉化為視頻,還能接受其他類型的輸入提示,如已經存在的圖像或視頻。這使Sora能夠執行廣泛的圖像和視頻編輯任務,如創建完美的循環視頻、將靜態圖像轉化為動畫、向前或向后擴展視頻等。OpenAI在報告中展示了基于DALL·E 2和DALL·E 3的圖像生成的demo視頻。這不僅證明了Sora的強大功能,還展示了它在圖像和視頻編輯領域的無限潛力。 (4)視頻擴展功能:由于可接受多樣化的輸入提示,用戶可以根據圖像創建視頻或補充現有視頻。作為基于Transformer的擴散模型,Sora還能沿時間線向前或向后擴展視頻。

    (5)優異的設備適配性:Sora具備出色的采樣能力,從寬屏的 1920x1080p 到 豎 屏 的1080x1920,兩者之間的任何視頻尺寸都能輕松應對。這意味著Sora能夠為各種設備生成與其原始縱橫比完美匹配的內容。而在生成高分辨率內容之前,Sora還能以小尺寸迅速創建內容原型。

    (6)場景和物體的一致性和連續性:Sora可以生成帶有動態視角變化的視頻,人物和場景元素在三維空間中的移動會顯得更加自然。Sora 能夠很好地處理遮擋問題。現有模型的一個問題是,當物體離開視野時,它們可能無法對其進行追蹤。而通過一次性提供多幀預測,Sora可確保畫面主體即使暫時離開視野也能保持不變。

    Sora讓AGI很快實現?

    英偉達人工智能研究院首席研究科學家Jim Fan在X平臺發文表示,“如果你還是把Sora看成DALLE那樣的生成式玩具,還是好好想想吧,這是一個數據驅動的物理引擎。他是對許多世界的模擬,無論是真實的還是幻想的。”他認為,Sora是一個可學習的模擬器,或“世界模型”。

    在他看來,Sora代表了文本生成視頻的GPT-3時刻。而針對部分稱“Sora并沒有學習物理,僅僅是在二維空間里對像素進行操作”的聲音,他表示,Sora所展現的軟物理仿真實際上是一種隨著規模擴大而出現的特性。Sora必須學習一些隱式的文本到3D、3D 變換、光線追蹤渲染和物理規則,才有可能精確地模擬視頻像素。它必須理解游戲引擎的概念,才有可能生成視頻。

    值得一提的是,有網友在網上評論Sora生成的60秒時尚女子在東京街頭散步時稱,“gg Pixar(皮克斯動畫制作公司)”(編注:gg為Good Games縮寫,代指“打得好,我認輸”),隨后馬斯克回復,“gg humans(人類)”。

    對于Sora的最大優勢,360集團創始人、董事長周鴻祎說,“這次OpenAI利用它的大語言模型優勢,讓Sora實現了對現實世界的理解和對世界的模擬兩層能力,這樣產生的視頻才是真實的,才能跳出2D的范圍模擬真實的物理世界。”他同時稱:“一旦人工智能接上攝像頭,把所有的電影都看一遍,把YouTube和TikTok的視頻都看一遍,對世界的理解將遠遠超過文字學習,一幅圖勝過千言萬語,這就離AGI真的就不遠了,不是10年、20年的問題,可能一兩年很快就可以實現。”

    影視等行業面臨顛覆

    然而,Sora在帶來無限可能的同時,也將對部分行業產生巨大的影響,包括影視、廣告制作、教育、游戲、新聞和動畫等領域。

    談及Sora的行業沖擊時,Jim Fan評價道,Sora的物理學理解目前還是脆弱的,遠非完美。它仍然會產生幻覺,生成與物理常識不符的事物,還沒有很好地掌握物體交互的原理。

    周鴻祎對此也深以為然,他指出,AI不一定那么快顛覆所有行業,但它能激發更多人的創作力。他表示,“Sora只是小試牛刀,它展現的不僅僅是一個視頻制作的能力,而是大模型對真實世界有了理解和模擬之后,會帶來新的成果和突破。”

    他解釋說,“機器能生產一個好視頻,但視頻的主題、腳本和分鏡頭策劃、臺詞的配合,都需要人的創意至少需要人給提示詞。”他強調,科技競爭最終比拼的是人才密度和深厚積累。

    而對于Sora存在的弱點,OpenAI也明確指出,它可能難以準確模擬復雜場景的物理原理,并且可能無法理解因果關系。該模型還可能混淆提示的空間細節,例如混淆左右,并且可能難以精確描述隨著時間推移發生的事件,如遵循特定的相機軌跡。而這些缺陷可能導致Sora生成一些不合邏輯的東西,比如一個人在跑步機上跑錯方向,以不自然的方式改變主題,甚至出現憑空消失現象。

    濫用仍是最大的擔憂

    隨著名人等人物的深度造假視頻在網上變得越來越普遍,相應的倫理和安全問題也讓人心驚。

    Gartner 分 析 師 Arun Chandrasekaran表示,“鑒于這項技術確實非常新,他們必須對其進行充分控制,以防止其被濫用和誤用,甚至客戶在沒有認識到這項新興技術所有局限性的情況下使用它。”他補充道,OpenAI為該模型設置的防護措施以及確定誰可以獲得訪問權限至關重要。

    牛津互聯網學院客座政策研究員Mutale Nkonde也表示,任何人都可以輕松地將文本轉換為視頻這一想法令人興奮。但同時,她也擔心這些工具可能會植入社會偏見等內容,對人們生計造成影響等。

    普林斯頓大學計算機科學教授Arvind Narayanan對此也有擔憂,認為Sora這類技術可能會導致“深度偽造”視頻,讓人們難以識別。雖然AI制作的視頻仍會有一些不一致的地方,但普通人可能不會注意到這些細節。“遲早,我們需要適應現實主義不再是真實性的標志這一事實。”

    如需轉載請與《每日經濟新聞》報社聯系。
    未經《每日經濟新聞》報社授權,嚴禁轉載或鏡像,違者必究。

    讀者熱線:4008890008

    特別提醒:如果我們使用了您的圖片,請作者與本站聯系索取稿酬。如您不希望作品出現在本站,可聯系我們要求撤下您的作品。

    “兩只金毛獵犬在山頂播客”; “火星上日落時的一場極具未來感的無人機比賽”; “在一個與自然和諧共生,同時又有超強朋克氣質和高科技屬性的未來城市漫游……” 根據上述提示詞,OpenAI首席執行官阿爾特曼在X平臺上發布了一系列視頻,精美的場景讓用戶驚嘆不已。而這些視頻全都是通過OpenAI 2月16日發布的最新視頻生成模型Sora制作的,用戶震驚之余,也給予了Sora高度評價,將其描述為“絕無僅有”和“游戲規則改變者”。 Sora采用了OpenAI文生圖模型DALL·E 3背后的強大技術,可將簡短的文本描述轉化成長達1分鐘的高清視頻。業界大佬Gabor Cselle將Sora和Pika、RunwayML和Stable Video進行對比后發現,在輸入相同的提示后,其他主流工具生成的視頻都大約只有5秒鐘,Sora可以在一段長達17秒視頻場景中,保持動作和畫面一致性。 英偉達人工智能研究院首席研究科學家Jim Fan也對Sora的能力發出感嘆,稱這是視頻生成領域的GPT-3時刻。他表示,Sora是一個“數據驅動的物理引擎”,一個可學習的模擬器或“世界模型”。360集團創始人、董事長周鴻祎則稱,隨著Sora的到來,人類離AGI真的就不遠了,不是10年、20年的問題,可能一兩年很快就可以實現。 在隨后發布的技術報告中,OpenAI介紹了Sora的強大性能以及背后的支撐技術,也對Sora的局限性進行了客觀的分析。《每日經濟新聞》記者通過梳理,總結出了Sora的六大核心優勢。 從技術上看,Sora有望將數字內容的創造力和真實感提升到新的水平,但凡事總有兩面性,影視、廣告制作和視頻等行業也將面臨嚴重的沖擊。另外,有專家對于技術的迅猛發展也表示出了擔憂,稱這類技術可能會導致“深度偽造”視頻,讓人難以識別,產生濫用等問題。 報告揭秘Sora六大優勢 值得注意的是,Sora推出的同一天,谷歌發布了Gemini多模態模型的更新版本,而三天前,Stability AI推出了新的圖像生成模型Stable Cascade。OpenAI的最新舉動無疑將加劇生成式AI圖片和視頻領域的競爭。 而在Sora推出后不久,OpenAI發布了這款新工具的技術報告。在報告中,OpenAI首先重點介紹了如何將不同類型的視覺數據轉化為統一的格式,以便于對生成模型進行大規模訓練的方法,并對Sora的能力和局限性進行了評價。 《每日經濟新聞》記者對報告進行梳理,總結出了Sora的六大優勢: (1)準確性和多樣性:Sora可將簡短的文本描述轉化成長達1分鐘的高清視頻。它可以準確地解釋用戶提供的文本輸入,并生成具有各種場景和人物的高質量視頻剪輯。它涵蓋了廣泛的主題,從人物和動物到郁郁蔥蔥的風景、城市場景、花園,甚至是水下的紐約市,可根據用戶的要求提供多樣化的內容。另據Medium,Sora能夠準確解釋長達135個單詞的長提示。 (2)強大的語言理解:OpenAI利用Dall·E模型的recaptioning(重述要點)技術,生成視覺訓練數據的描述性字幕,不僅能提高文本的準確性,還能提升視頻的整體質量。此外,與DALL·E 3類似,OpenAI還利用GPT技術將簡短的用戶提示轉換為更長的詳細轉譯,并將其發送到視頻模型。這使Sora能夠精確地按照用戶提示生成高質量的視頻。 (3)以圖/視頻生成視頻:Sora除了可以將文本轉化為視頻,還能接受其他類型的輸入提示,如已經存在的圖像或視頻。這使Sora能夠執行廣泛的圖像和視頻編輯任務,如創建完美的循環視頻、將靜態圖像轉化為動畫、向前或向后擴展視頻等。OpenAI在報告中展示了基于DALL·E 2和DALL·E 3的圖像生成的demo視頻。這不僅證明了Sora的強大功能,還展示了它在圖像和視頻編輯領域的無限潛力。 (4)視頻擴展功能:由于可接受多樣化的輸入提示,用戶可以根據圖像創建視頻或補充現有視頻。作為基于Transformer的擴散模型,Sora還能沿時間線向前或向后擴展視頻。 (5)優異的設備適配性:Sora具備出色的采樣能力,從寬屏的 1920x1080p 到 豎 屏 的1080x1920,兩者之間的任何視頻尺寸都能輕松應對。這意味著Sora能夠為各種設備生成與其原始縱橫比完美匹配的內容。而在生成高分辨率內容之前,Sora還能以小尺寸迅速創建內容原型。 (6)場景和物體的一致性和連續性:Sora可以生成帶有動態視角變化的視頻,人物和場景元素在三維空間中的移動會顯得更加自然。Sora 能夠很好地處理遮擋問題。現有模型的一個問題是,當物體離開視野時,它們可能無法對其進行追蹤。而通過一次性提供多幀預測,Sora可確保畫面主體即使暫時離開視野也能保持不變。 Sora讓AGI很快實現? 英偉達人工智能研究院首席研究科學家Jim Fan在X平臺發文表示,“如果你還是把Sora看成DALLE那樣的生成式玩具,還是好好想想吧,這是一個數據驅動的物理引擎。他是對許多世界的模擬,無論是真實的還是幻想的?!彼J為,Sora是一個可學習的模擬器,或“世界模型”。 在他看來,Sora代表了文本生成視頻的GPT-3時刻。而針對部分稱“Sora并沒有學習物理,僅僅是在二維空間里對像素進行操作”的聲音,他表示,Sora所展現的軟物理仿真實際上是一種隨著規模擴大而出現的特性。Sora必須學習一些隱式的文本到3D、3D 變換、光線追蹤渲染和物理規則,才有可能精確地模擬視頻像素。它必須理解游戲引擎的概念,才有可能生成視頻。 值得一提的是,有網友在網上評論Sora生成的60秒時尚女子在東京街頭散步時稱,“gg Pixar(皮克斯動畫制作公司)”(編注:gg為Good Games縮寫,代指“打得好,我認輸”),隨后馬斯克回復,“gg humans(人類)”。 對于Sora的最大優勢,360集團創始人、董事長周鴻祎說,“這次OpenAI利用它的大語言模型優勢,讓Sora實現了對現實世界的理解和對世界的模擬兩層能力,這樣產生的視頻才是真實的,才能跳出2D的范圍模擬真實的物理世界?!彼瑫r稱:“一旦人工智能接上攝像頭,把所有的電影都看一遍,把YouTube和TikTok的視頻都看一遍,對世界的理解將遠遠超過文字學習,一幅圖勝過千言萬語,這就離AGI真的就不遠了,不是10年、20年的問題,可能一兩年很快就可以實現?!? 影視等行業面臨顛覆 然而,Sora在帶來無限可能的同時,也將對部分行業產生巨大的影響,包括影視、廣告制作、教育、游戲、新聞和動畫等領域。 談及Sora的行業沖擊時,Jim Fan評價道,Sora的物理學理解目前還是脆弱的,遠非完美。它仍然會產生幻覺,生成與物理常識不符的事物,還沒有很好地掌握物體交互的原理。 周鴻祎對此也深以為然,他指出,AI不一定那么快顛覆所有行業,但它能激發更多人的創作力。他表示,“Sora只是小試牛刀,它展現的不僅僅是一個視頻制作的能力,而是大模型對真實世界有了理解和模擬之后,會帶來新的成果和突破。” 他解釋說,“機器能生產一個好視頻,但視頻的主題、腳本和分鏡頭策劃、臺詞的配合,都需要人的創意至少需要人給提示詞。”他強調,科技競爭最終比拼的是人才密度和深厚積累。 而對于Sora存在的弱點,OpenAI也明確指出,它可能難以準確模擬復雜場景的物理原理,并且可能無法理解因果關系。該模型還可能混淆提示的空間細節,例如混淆左右,并且可能難以精確描述隨著時間推移發生的事件,如遵循特定的相機軌跡。而這些缺陷可能導致Sora生成一些不合邏輯的東西,比如一個人在跑步機上跑錯方向,以不自然的方式改變主題,甚至出現憑空消失現象。 濫用仍是最大的擔憂 隨著名人等人物的深度造假視頻在網上變得越來越普遍,相應的倫理和安全問題也讓人心驚。 Gartner 分 析 師 Arun Chandrasekaran表示,“鑒于這項技術確實非常新,他們必須對其進行充分控制,以防止其被濫用和誤用,甚至客戶在沒有認識到這項新興技術所有局限性的情況下使用它?!彼a充道,OpenAI為該模型設置的防護措施以及確定誰可以獲得訪問權限至關重要。 牛津互聯網學院客座政策研究員Mutale Nkonde也表示,任何人都可以輕松地將文本轉換為視頻這一想法令人興奮。但同時,她也擔心這些工具可能會植入社會偏見等內容,對人們生計造成影響等。 普林斯頓大學計算機科學教授Arvind Narayanan對此也有擔憂,認為Sora這類技術可能會導致“深度偽造”視頻,讓人們難以識別。雖然AI制作的視頻仍會有一些不一致的地方,但普通人可能不會注意到這些細節?!斑t早,我們需要適應現實主義不再是真實性的標志這一事實?!?
    Sora 視頻

    歡迎關注每日經濟新聞APP

    每經經濟新聞官方APP

    0

    0

    国产日本精品在线观看_欧美日韩综合精品一区二区三区_97国产精品一区二区三区四区_国产中文字幕六九九九
    <cite id="apcyb"></cite>
    1. <dfn id="apcyb"><rp id="apcyb"></rp></dfn>

    2. <cite id="apcyb"><noscript id="apcyb"><address id="apcyb"></address></noscript></cite>

      <tt id="apcyb"></tt>