OpenAlSora官方技術(shù)報(bào)告中文版

bravo090

OpenA12月16日凌晨發(fā)布了文生視頻大模型Sora，在科技圈引起一連串的震驚和感嘆，在2023年，我們見證了文生文、文生圖的進(jìn)展速度，視頻可以說是人類被A|攻占最慢的一塊“處女地”。而在2024年開年，OpenAl就發(fā)布了王炸文生視頻大模型Sora，它能夠僅僅根據(jù)提示詞，生成60s的連貫視頻，“碾壓”了行業(yè)目前大概只有平均“4s”的視頻生成長度。
為了方便理解，我們簡單總結(jié)了這個(gè)模型的強(qiáng)大之處:
1、文本到視頻生成能力:Sora能夠根據(jù)用戶提供的文本描述生成長達(dá)60S的視頻，這些視頻不僅保持了視覺品質(zhì)，而且完整準(zhǔn)確還原了用戶的提示語。
2、復(fù)雜場景和角色生成能力:Sora能夠生成包含多個(gè)角色、特定運(yùn)動(dòng)類型以及主題精確、背景細(xì)節(jié)復(fù)雜的場景。它能夠創(chuàng)造出生動(dòng)的角色表情和復(fù)雜的運(yùn)鏡，使得生成的視頻具有高度的逼真性和敘事效果。
3、語言理解能力:Sora擁有深入的語言理解能力，能夠準(zhǔn)確解釋提示并生成能表達(dá)豐富情感的角色。這使得模型能夠更好地理解用戶的文本指令，并在生成的視頻內(nèi)容中忠實(shí)地反映這些指令。
4、多鏡頭生成能力:Sora可以在單個(gè)生成的視頻中創(chuàng)建多個(gè)鏡頭，同時(shí)保持角色和視覺風(fēng)格的一致性。這種能力對(duì)于制作電影預(yù)告片、動(dòng)畫或其他需要多視角展示的內(nèi)容非常有用。
5、從靜態(tài)圖像生成視頻能力:Sora不僅能夠從文本生成視頻，還能夠從現(xiàn)有的靜態(tài)圖像開始，準(zhǔn)確地動(dòng)畫化圖像內(nèi)容，或者擴(kuò)展現(xiàn)有視頻，填補(bǔ)視頻中的缺失幀。
6、物理世界模擬能力:Sora展示了人工智能在理解真實(shí)世界場景并與之互動(dòng)的能力，這是朝著實(shí)現(xiàn)通用人工智能(AGI)的重要一步。它能夠模擬真實(shí)物理世界的運(yùn)動(dòng)，如物體的移動(dòng)和相互作用。
可以說，Sora的出現(xiàn)，預(yù)示著一個(gè)全新的視覺敘事時(shí)代的到來，它能夠?qū)⑷藗兊南胂罅D(zhuǎn)化為生動(dòng)的動(dòng)態(tài)畫面，將文字的魔力轉(zhuǎn)化為視覺的盛宴。在這個(gè)由數(shù)據(jù)和算法編織的未來，Sora正以其獨(dú)特的方式，重新定義著我們與數(shù)字世界的互動(dòng)。一反常態(tài)，OpenAI在模型公布后的不久，就公布了相關(guān)的技術(shù)Paper，我們第一時(shí)間“啃”了這篇技術(shù)報(bào)告，希望能夠幫助大家理解到底有哪些神奇的技術(shù)，讓Sora能夠有如此強(qiáng)大的魔力。


鏈接

https://www.aihub.cn/news/video-generation-models-as-world-simulators/

bravo090

天才科學(xué)家謝賽寧說的

向上努力

Thanks.

第一反應(yīng)，小說直接成劇，是不是變?yōu)榱丝赡?？?dāng)然復(fù)雜程度很高很高~

第二反應(yīng)，之前AI換臉，在Sora面前就是過家家啊~

第三反應(yīng)，國內(nèi)的300+家大模型，突飛猛進(jìn)的發(fā)展著，遙遙領(lǐng)先的進(jìn)步著，差距……又拉大了多少？

bravo090

向上努力 發(fā)表于 2024-2-19 10:38
Thanks.

第一反應(yīng)，小說直接成劇，是不是變?yōu)榱丝赡?？?dāng)然復(fù)雜程度很高很高~

國內(nèi)除了有限的幾家，都是套殼的。畢竟大模型關(guān)鍵在于大，服務(wù)器成本太高了

海中游

以后短視頻制作方便了，可以不用拍攝了。不過一樣是千篇一律，看多了沒滋味了，如同好萊塢大片、港片。

z424385518

好帖我頂

盧Tiger

我感覺就是不同場景的AI合成，吹的神乎其神的。

紫衣青衫

以后的世界不敢想象

yxp

未來在AI界可能有翻天覆地的變化