【新智元深度报道】就在刚刚，OpenAI震撼发布了首款革命性的AI视频模型——Sora，这一突破性进展犹如一颗深水炸弹，引爆全球科技圈。网友纷纷热议：AI视频技术的颠覆性变革已经来临！
    一夜之间，OpenAI与谷歌连续投掷出两款堪称核弹级别的科研成果，国内夜猫子们经历了情绪如同过山车般跌宕起伏的一晚。而最引人瞩目的焦点，莫过于OpenAI创新推出的首个文本生成视频模型——Sora。这款AI视频神器的诞生预示着一个崭新的时代即将开启。
    Sora展现出了令人惊叹的场景创作能力，能够根据用户提供的文字指令创造出超乎想象、高度逼真的影像世界，而且，它能一次性生成长达1分钟、一镜到底的连贯视频，这是当前市场上诸如Runway Gen 2、Pika等AI视频工具所望尘莫及的壮举。60秒的无缝对接中，无论是女主角的动作、背景人物的表现，还是镜头之间的切换，都呈现出惊人的一致性和稳定性，仿佛由一位资深导演亲自操刀完成。
    OpenAI官网揭示了这项颠覆性技术背后的秘密：“通过一次性预测多帧画面，我们成功攻克了一个极具挑战性的难题。”这项史诗级的技术革新，甚至连Sam Altman这位硅谷大亨也沉醉其中无法自拔。他不仅在推特上热情推荐，还亲身上阵为网友定制视频，邀请大家尽情发挥创意，提供各种提示语，他将一一生成对应的视频作品。
    从神秘巫师施法到社交媒体达人奶奶教授意式美食制作，再到未来赛博朋克城市的街头漫步，Sora凭借对语言的深刻理解和精准把握，实现了对用户需求的准确捕捉和转化。其创造出的角色不仅能传达丰富的情感，还能构建包含多个角色、复杂动作类型以及对象与背景精确细节在内的场景。尤其是人物面部特征如瞳孔、睫毛、皮肤纹理等，达到了几乎以假乱真的程度，让人难以分辨真实与虚拟的界限。
    更令人惊艳的是，Sora在保持视觉风格一致性的同时，能够在同一视频中设计出多个不同角度的镜头，实现了一次性生成多镜头的壮举，这是目前市场上的其他AI视频工具根本无法比拟的。比如，在描述雪后的东京熙熙攘攘景象时，Sora轻松驾驭无人机镜头跟随情侣穿梭于街道，细腻捕捉到了繁忙都市中的浪漫瞬间。
    此外，Sora模型似乎已初现“世界模型”的雏形。通过学习大量数据，它开始理解并模拟现实世界的物理规律。例如，当要求生成一只短毛绒怪物与红蜡烛互动的动画场景时，Sora不仅创造了类似皮克斯风格的角色，还精准再现了其毛发随动态变化的真实质感，这种表现力甚至超越了当年皮克斯团队为《怪兽公司》精心打造的效果。
    得益于DALL·E 3的扩散模型和GPT-4的Transformer架构，Sora展现出自发理解电影拍摄语法的能力，尤其在叙事表达方面表现出独特才能。它可以巧妙运用摄影角度和时机推进故事发展，即使没有明确指令也能自如地进行镜头转换和流畅剪辑。
    当然，当前版本的Sora并非完美无缺，它在处理复杂的物理效果模拟、因果关系的理解以及空间细节辨识等方面仍存在不足。然而，这恰好让我们看到，距离虚拟与现实边界模糊化的未来，我们或许并不遥远。
    业内专家张启煊评价称：“Sora是迄今为止我所见唯一真正跳脱出空镜头生成范畴，实现真正意义上的视频生成工作的模型。”他认为Sora在视频生成领域明显领先于Pika和Runway，让OpenAI在该领域独占鳌头。不少网友感叹道：“下一个十年将是疯狂的时代！”、“我的饭碗恐怕保不住了”、“整个素材行业或将因Sora的问世而面临巨大变革”。
    有人甚至预言：“好莱坞即将迎来核爆式的冲击！”更有网友展望AI电影制作人的未来及其项目可能面临的全新挑战。
    技术层面，Sora是一种基于扩散模型的视频生成系统，可以从看似随机噪声的初始状态出发，逐步还原并生成高质量视频。不仅可以一次性输出完整的视频片段，还能拓展已有视频或补全缺失帧。通过借鉴DALL·E和GPT系列的研究成果，采用Transformer架构，并将视频和图像拆解成微小的数据单元——“patches”，使得模型能够适应不同时间长度、分辨率和比例的广泛视觉数据训练。
    Sora的成功发布不仅展示了强大的视频生成能力，更是通向通用人工智能（AGI）道路上的重要一步。下面展示部分Sora生成的作品，从中可以领略其艺术表现力和技术创新：
    - 火车穿越东京郊区，窗户映照出迷人景色
    - 巨大的羊毛猛犸象在雪原上缓步前行，夕阳余晖洒满大地
    - 无人机俯瞰大苏尔加雷角海滩陡峭悬崖与海浪撞击的画面
    - 圣托里尼岛蓝色时刻下的绝美航拍视角
    - 年轻人在云端悠闲阅读的奇幻场景
    - 金毛寻回犬幼崽在雪地中嬉戏打闹
    外界有猜测认为，Sora可能采用了游戏引擎作为支撑，通过游戏引擎生成作品和参数。Pytorch联合创始人Soumith Chintala和英伟达高级科学家Jim Fan等人对此发表了自己的见解，指出Sora是一个数据驱动的物理引擎，通过去噪和梯度学习方式，习得了复杂的渲染、直观物理模拟、长期推理和语义理解能力，也许曾接受过虚幻引擎5合成数据的大量训练。
    尽管Sora短期内可能还不足以威胁传统电影制作流程，但其无疑将重塑社交平台上的视频创作格局。正如OpenAI研究员Bill Peebles所说：“制作一部专业电影需要高昂的设备投入，而Sora这类模型将使普通用户能够在社交媒体上轻松创造高质量的视频。”随着Sora的横空出世，我们正见证着AI技术如何逐步改变视频行业的未来版图。