OpenAI似乎已经在为Sora降世预热了。


当地时间3月13日周三，OpenAI首席技术官米拉·穆拉蒂（Mira Murati）接受了《华盛顿邮报》的视频专访。


视频不长，只有不到11分钟，但全部围绕OpenAI的文字到视频工具Sora，穆拉蒂透露了一个重要的消息。当被问及Sora何时面向公众推出时，穆拉蒂回答：“我想肯定是在今年，但可能是几个月后。”


除此之外，穆拉蒂还回答了Sora的特别之处、如何修正瑕疵、是否会包含音频、训练数据来自哪里等若干问题。给出的答案有的笼统，有的不乏诚意。


距离OpenAI突然展示Sora，已经过去一个月了。Sora演示视频的时长和效果惊艳世人，迅速成为舆论宠儿。但Sora也带来太多问号：没有明确的发布时间、只对少数人开放测试、对训练数据来源三缄其口。


但现在，OpenAI似乎在一点点释放更多信息。


作为OpenAI最重要的高管之一，穆拉蒂的话自有其分量。而就在前几天，Sora的三位核心团队成员也出现在科技播客WVFRM中，接受了专访。


此外，另一档头部播客主理人Lex Fridman也已经官宣将很快邀请OpenAI的CEO山姆·奥特曼（Sam Altman）上节目，正在征集粉丝关心的问题。上次奥特曼出现在这档播客中是一年前，GPT-4发布后不久。



也许Sora降世，真的已经进入最后的倒计时。


一


有些问题，穆拉蒂乐于回答。


在这次的专访中，主持人拿出了几个Sora生成的视频，并对穆拉蒂进行了提问。


一个不可忽略的问题是，Sora为什么效果那么好？对于一则“两个职业女性，30多岁，坐在一个灯光明亮的工作室中接受新闻采访”的指令，主持人尝试了Sora和Runway两个产品。Sora生成的视频几乎可以以假乱真，但Runway的视频则不仅有奇怪且数量过多的手指，且在动作时有明显的嘴部扭曲，看起来颇为诡异。




穆拉蒂解释，Sora基于扩散模型，通过分析大量视频学习识别物体和动作。当给定文本提示时，Sora能通过定义时间线和逐帧添加细节来创建场景，生成的视频在平滑度和现实感方面很出色。


但主持人也把一些有明显瑕疵的视频摆在穆拉蒂面前，比如行进中的汽车突然从黄色变成了银色，或者Sora没有按照指令生成“机器人夺过摄像机”的画面，而是让机器人把那摄影机的女人直接融合了。



穆拉蒂表示，OpenAI目前正在探索如何使Sora成为可以用户可以用来编辑或创作内容的工具。翻译一下就是：Sora不完美，在想办法了。


对于另一个外界关心的问题，即Sora会不会包含音频（Sora目前的视频都是无声的），穆拉蒂也透露了一些信息——目前还没有整合音频，但这是OpenAI会考虑的方向。


与此同时，针对外界对安全的担忧，穆拉蒂也没有回避。


穆拉蒂表示，OpenAI目前还没有明确决定Sora可以生成的视频范畴，但是会借鉴其文生图模型DALL-E的做法，比如不会生成政治人物的形象。当主持人问及裸体画面时，穆拉蒂表示不确定，艺术家可能会希望有一些可以调控的创作选项，目前OpenAI正在与不同领域的艺术家和创作者合作，试图搞清楚Sora应该提供什么水平的灵活度。


至于对于“现实不存在”的恐惧，即人们将难以区分真实与AI内容，穆拉蒂回答这正是OpenAI还未部署Sora的原因。目前，Sora生成的视频都会打上水印，但这似乎还不够好。穆拉蒂透露，Sora的视频将包含元数据来表明来源。OpenAI也用安全人员测试Sora，试图引出漏洞、偏见及其他有害结果。


作为OpenAI的CTO，穆拉蒂强调对于安全问题的重视。她表示“金钱”和“安全”并不是一道难做的选择题，如何解决安全和社会问题才是让她睡不着觉的难题。


二


不过，也有穆拉蒂不太想触碰的话题。


在外界都关心的训练数据来源问题上，不仅Sora团队接受专访时表示不方便说得太细，穆拉蒂也再一次打了太极。


主持人在测试Sora时发现了有趣的细节。比如在“海底珊瑚礁中，一只美人鱼和一只螃蟹助手在一起评论一部智能手机”的视频里，在没有相关提示词的情况下，螃蟹有长条状的双眼和两撮胡子，酷似动画片《海绵宝宝》里的蟹老板；另一则公牛在瓷器商店里的视频，公牛的形象则也酷似《公牛历险记》里的。




问：有没有用YouTube上的视频？


穆拉蒂答：我其实不确定。


问：好吧。那Instagram和Facebook上的视频呢？


穆拉蒂答：如果这些视频是公开可用的，那可能在训练数据里。但我不确定。


总之，别问，问就是不知道、不明白、不清楚、不确定，问就是也许吧、可能是、看情况。


穆拉蒂倒是确认了Sora的训练数据包含图片网站Shutterstock的内容。这没什么意外的，去年7月，Shutterstock就宣布把和OpenAI的合作延长六年，允许后者使用其平台内的图片、视频、音乐来训练AI模型。


对于训练数据的来源问题，OpenAI保持谨慎在意料之中。


自ChatGPT面世，OpenAI已经多次因训练数据版权问题惹上麻烦。最近的是今年《纽约时报》以侵犯版权为由起诉OpenAI及其合作伙伴微软，随后多家数字新闻媒体加入起诉OpenAI侵权的队伍。此外，还有数名演员、记者、作家以及美国作家协会对OpenAI提出诉讼，称该公司的大型语言模型参与了“大规模的系统盗窃”。


更糟糕的是，Sora还没有面向公众推出，就已经被监管机构盯上。近日，意大利数据保护机构Garante发布公告，称已对Sora展开调查，内容包括Sora的算法训练方式、训练过程中手机和使用了哪些数据等。意大利数据保护机构是欧洲各国中最活跃的监管机构之一。


三


训练数据来源、安全问题都备受瞩目，再加上2024年是美国大选之年，重重阻碍摆在Sora面前，OpenAI也着急。


一方面，OpenAI急于重申其在AIGC领域的领先地位。


就在3月初，硅谷AIGC独角兽、OpenAI的劲敌Anthropic推出新一代大语言模型Claude 3系列。其中最智能的Opus已经在多项基准测试中打败GPT-4。甚至在发布后不久，Claude 3已经具备意识的传闻就在网络上蔓延。


也许是感觉到了压力，OpenAI的GPT-4.5 Turbo产品页面一度悄然出现在多个搜索引擎中，疑似要提前发布（原定今年6月）。虽然链接已经在消息被传出后下架，但奥特曼也在X社交平台上回复一条催促OpenAI尽快发布新产品的消息下回复：“耐心点，这值得等待。”让外界更加期待。


此外，微软在3月13日宣布，将免费版Copilot升级到GPT-4 Turbo模型。去年11月OpenAI宣布推出GPT-4 Turbo，微软彼时将其接入Copilot，但仅供订阅用户使用，每月20美元。


若GPT-4.5 Turbo提前发布，Sora又在不久的将来与公众见面，将成为OpenAI的完美组合拳。


另一方面，OpenAI也需要公众注意力重新聚焦在其产品上。


过去的几周，马斯克起诉OpenAI，称其违背了创始协议，并请求法院令其开源。一不做二不休，马斯克甚至开源自家xAI公司的大模型产品Grok，再次将OpenAI推向不仁不义不Open的尴尬处境当中。


OpenAI已经对此事做了公开回应，并且提交了法律文件。此外，OpenAI还恰逢其时地公布了对于去年年底OpenAI“高层事变”的调查结果。


在那场高层震荡中，奥特曼被踢出董事会并卸任CEO，又在三日内归来，几乎重新组建了董事会。马斯克在起诉书中将该事件描绘成了一场阴谋，称奥特曼的新董事会缺乏专业背景，为了和微软的合作关系永远不会宣布AGI（通用人工智能）的到来。


OpenAI给出的调查结果认为事件只是出于旧董事会和奥特曼的信任问题，与此同时公司宣布四名新董事会成员。其中奥特曼再次进入董事会，其他新成员也不乏技术背景，间接驳斥了马斯克在诉状中的“阴谋论”。


OpenAI想要给去年的闹剧盖棺定论，但“OpenAI变CloseAI”的梗依然在网络流传，人们对该事件的关注犹在。


在Lex Fridman宣布将再度邀请奥特曼参加其播客节目的消息评论区，粉丝最关心的问题依然是：曾被媒体报道为出于对AGI的恐惧而推动“事变”的伊利亚·苏茨克维（Ilya Sutskever）去哪儿了？他到底知道什么秘密？



也许当用户可以用Sora制作一部关于“事变”的“内幕电影”时，OpenAI就不用回答这个问题了。


本文来自微信公众号：字母榜（ID：wujicaijing），作者：毕安娣