人工智能领域在去年的创新浪潮中给人类社会带来了颠覆性的影响，尽管许多人坚信，在创意等领域中，人工智能尚无法完全取代人类智慧。然而，这一观念近日再次面临严峻挑战。2月15日，全球人工智能巨头OpenAI——ChatGPT之母，震撼宣布了一项开创性研发成果：名为“Sora”的文生视频模型。这款技术先进且潜力无穷的模型能够创作出长达60秒的视频，其内含高度精细的场景构建、复杂的摄像机运动轨迹以及多个充满生动情感的角色演绎，甚至可以根据静态图像生成动画效果。据OpenAI官方网站介绍，Sora不仅理解用户的具体要求，还具备对物理世界实体存在方式的认知能力。
    目前，Sora仍处于紧张的研发阶段，并正在进行严谨的安全测试，尚未面向公众开放使用。OpenAI CEO奥特曼通过社交平台向全球网友征集他们期望看到的视频，并表示公司将会根据这些反馈制作并发布相关视频作品。
    Sora视频模型的横空出世，瞬间引发业界强烈震动。在此之前，谷歌、Meta等科技巨头以及Runway和Stability AI等初创企业也都在致力于开发文本转视频的AI模型。例如，谷歌正在内部测试名为Lumiere的模型；Meta则推出了Emu模型；而Runway最近刚刚发布了第二代AI视频模型更新，并已全面开放给公众使用。
    针对Sora的发布，Runway联合创始人兼首席执行官Cristóbal Valenzuela立即回应道：“这场革新竞赛的大幕已经拉开。”与此同时，Stability AI作为图像生成领域的领导者之一，于去年11月推出了名为Stable Video Diffusion的生成视频模型，但明确表示该模型目前仅限于研究用途，暂不适用于现实世界的商业应用（虽然已有等待名单，但该公司并未透露具体发布时间）。
    新晋竞争者Pika Labs也不甘示弱，于去年11月推出其生成式AI视频工具Pika 1.0，并在去年年底宣布结束等待名单，全面对外开放。另一边，谷歌展示了下一代人工智能模型Gemini 1.5的研究进展及Lumiere模型的演示片段，不过谷歌对于公开此工具的时间表依然保持沉默，强调需要更强大的工具来对抗偏见和恶意，确保安全地部署其技术。
    Meta凭借旗下Facebook、Instagram和WhatsApp等广泛应用，早在2022年就推出了第一代视频生成工具Make-A-Video，尽管当时生成的存在明显虚假、扭曲和模糊的问题，但这仍然是一个里程碑式的突破。到了年底，Meta又推出了全新的文本转视频模型Emu Video，并宣称在质量与文本提示的忠实度上，Emu被几乎所有用户评价高于Make-A-Video。扎克伯格表示，Emu将被整合到Facebook和Instagram之中，至于具体发布时间，尚未公布。
    特斯拉CEO埃隆·马斯克的人工智能初创公司xAI虽有志于与DeepMind和OpenAI等行业领军者一较高下，但至今尚未对外宣布有关文本到视频生成器的计划，尽管这种功能有可能会融入其人工智能聊天机器人Groku中。
    此外，电商巨头亚马逊也透露了面向员工的生成式人工智能聊天机器人Q和人工智能图像生成器的相关信息，尽管仍未明确这两款工具的上市时间，以及是否会有更高级别的视频生成器面世。随着各大科技巨头发力角逐，人工智能视频生成领域的未来充满了无限可能和期待。