OpenAI首席技术官米拉·穆拉蒂(Mira Murati)近期在接受媒体采访时透露,OpenAI人工智能文生视频大模型Sora即将于今年晚些时候正式向公众发布,OpenAI计划最终加入音频功能,以使场景更为真实,同时还将允许用户编辑Sora生成的视频内容。


尽管眼下距离Sora正式对外发布尚有一段时日,但OpenAI已经向世人揭示了这款工具的巨大潜力——仅需几句精心设计的提示语,Sora便可创造出几乎足以替代许多视频制作专业人员的出色作品。与市面上那些时长短暂、分辨率低下的AI视频作品相比,Sora的视频看起来就像是纪录片或电影中的梦幻场景。


而Murati也在最新采访中,向外界介绍了Sora究竟是如何通过简单的提示文本,完成这些美轮美奂的视频制作的,她还详细介绍了Sora眼下存在的一些不足,以及接下来会着重防范和改进的地方……


Sora如何“化文字为神奇”?


请你想象一幕场景:“一条美人鱼和她的螃蟹伙伴,正在一起浏览智能手机……”



作为这场媒体采访的“福利”,主持人获得了让Sora将其提供的多组文本提示,转化为视频图像的机会,而以上的这一幕,便是Sora提供的视频中的一帧。


Sora究竟是如何实现这一转换的呢?Murati表示,尽管解释美人鱼的进化可能都要比解释“扩散模型”(diffusion models)的内部运作容易得多,但简而言之便是:人工智能模型分析了大量视频,学会了识别物体和动作。然后,当你给它一个文字提示时,它就会勾勒出整个场景,然后填充每一帧。


行业观察家和OpenAI的竞争对手——Runway首席执行官Cristóbal Valenzuela等业内人士,将这些卓越的成果归功于OpenAI强大的计算能力和训练数据。不过,OpenAI最近也面临着版权侵权诉讼:指控这家人工智能初创公司未经许可擅自获取内容来训练ChatGPT。


在被问及OpenAI为Sora使用了哪些训练数据时,Murati指出,“我们使用了公开数据和授权数据”。当主持人继续深入问及这是否包括来自YouTube、Instagram和Facebook的视频时,Murati最初表示她并不清楚具体细节,但后来确认,已获授权的材料涵盖了来自知名版权图片网站Shutterstock上的内容,而OpenAI与Shutterstock有着合作关系。


Murati认为,对于用户来说,人工智能模型就像是一个神秘的黑盒子——人们知道输入的提示语和输出的内容,但并不了解中间的步骤。因此,人们可能永远不会知道为什么最终生成的内容会是这样的——例如上面这张视频截图里,美人鱼的螃蟹伙伴留着胡子,就像海绵宝宝的朋友蟹老板。巧合吗?也许吧……


未来视频将支持配备音效


在另外一段视频里,主持人要求Sora制作一段更为符合这场采访的内容:“两位30多岁、有着棕色头发的职业女性,在一个光线充足的演播室里坐下来接受新闻采访。”



最终,在Sora交出的“作业”里,无论是两位女性嘴型和头发的动捕,还是皮夹克上的细节,一切看起来都那么真实。Murati指出,这段20秒的720p分辨率短片,Sora花了几分钟才制作完成,但目前还未能支持配备音效。


但Murati已承诺,他们计划最终会添加声音。


Murati还表示,当前Sora生成视频的成本远高于该公司的图像生成器Dall-E。不过,在未来向公众正式发布时,OpenAI将进行优化,以降低对算力的需求。


难以忽视的瑕疵


当然,不容忽视的是,在如今Sora才刚刚问世的早期阶段,其生成的内容中还存在一些极为明显的瑕疵。


以上述Sora制作的采访视频为例,虽然整体的画面呈现效果颇为令人惊叹,但细节上还是不难发现问题——在某几帧画面里,浅色头发的女人的一只手上似乎长出了10根手指。


Murati对此解释称,“要准确呈现手部动作真的很难。”


在另一个视频中,主持人要求看到一个机器人从电影制片人手中夺走摄像机。



而Sora对此的诠释是——人类电影制片人直接变形成为了机器人。此外,在背景中的一辆黄色出租车,也在机器人“夺舍”的过程中变成了一辆银色轿车。



Murati对此点评称,Sora“在维持连贯性方面表现尚可,但并不完美”。


未来如何分辨虚拟与现实?


毫无疑问,眼下的Sora还有着各种各样的不足。但如果未来某一天,这些问题全都消失了,人们或许也将面临一个新困扰:该如何区分真实视频和人工智能生成的视频?


Murati表示,未来Sora生成的每个视频下方都会有一个水印。这些视频最终也将包含元数据,以标明它们的来源。此外,OpenAI还将有一个Red Teaming安全测试团队,安全测试人员会尝试向Sora发出提示,以找出漏洞、偏差和其他有害结果。


Murati指出,“这就是我们实际上还没有部署该系统的原因。我们需要搞清楚这些问题,然后才能放心地广泛部署。”


此外,Sora的提示限制政策可能也会沿用Dall-E的政策。例如,人们无法用Sora生成公众人物的图像——当要求其生成“美国现任总统的电视新闻画面”时,Sora会拒绝这一请求。


亲手制作好莱坞大片不是梦?


随着Sora在过去一个月的惊艳亮相,这一令所有人耳目一新的产品,对于一些传统行业的冲击无疑也是巨大的,而最受到直接影响的,或许便是经久不衰的美国好莱坞。


著名电影制片人Tyler Perry在看到Sora的潜力后,就于近期宣布将暂停耗资8亿美元的工作室扩建计划。他认为这项AIGC技术能够削减布景和外景拍摄的成本,但也令人对电影行业的未来抱有担忧。


而当主持人向Murati询问Sora对视频制作工作的影响时,她也再次重申了OpenAI目前采取的缓步审慎策略,并表示OpenAI正在与行业内部人士合作,进行早期的测试和反馈征集。


正如主持人在让Sora制造的另一段视频中所呈现的那样——如果将OpenAI比作是瓷器店里的公牛,那么它现在可能正在轻装上阵。但不可避免的是,它将开始砸坏那些原本安放着的盘子……



本文来自:财联社,作者: 潇湘