Sora模型文本到視頻正在智能手機上展示,。 （視覺中國供圖）
□ 本報記者 楊易臻 張宣 蔡姝雯
“穿著時尚的女性漫步在霓虹燈閃爍的東京街頭”“兩艘海盜船在一杯咖啡內(nèi)作戰(zhàn)”……春節(jié)假期,，這幾段畫面精美的視頻在朋友圈“霸屏”,，這些視頻是美國人工智能團隊OpenAI新發(fā)布的視頻大模型Sora創(chuàng)作的,。
Sora,，這個詞來源于日語中的“天空”,，意指無限的創(chuàng)造潛力,。2022年底因發(fā)布ChatGPT一炮走紅的OpenAI，又因Sora在全球內(nèi)容創(chuàng)作領域掀起新的風暴,。
博采眾長，
Sora“一騎絕塵”
只需要一段20至30個詞匯的文本指令或一張靜態(tài)圖像,，就可以生成一段視頻,，不論是寫實還是動畫風格、寬屏還是豎屏,，皆可任意選擇,。雖然Sora并非首個可以通過文本生成視頻的大模型，但在時長,、分辨率等視頻生成模型的關鍵指標上,，相比先前的Runway,、Pika等文生視頻產(chǎn)品，Sora可謂“一騎絕塵”,?！癝ora的誕生，意味著AGI（人工通用智能）的實現(xiàn)可能從10年縮短至一兩年,?！?60創(chuàng)始人周鴻祎在微博上宣布。
記者親身體驗了此前某款視頻大模型的生成產(chǎn)品,，在生成的10秒視頻中,，人物表情僵硬、動作不協(xié)調(diào),，視頻也無法準確呈現(xiàn)文字描述,，與Sora的演示視頻相比，確實差距巨大,。
“Sora的技術亮點是,，讓AI內(nèi)容編輯和生成實現(xiàn)了從文本、圖像到視頻的本質(zhì)跨越,?！敝袊嬎銠C學會理事、南京理工大學計算機科學與工程學院副院長肖亮認為,，Sora的底層技術并不算新,，但優(yōu)勢在于“博采眾長”，是多項技術積累,、共同作用的結果,。Sora在技術上的“顛覆性”主要體現(xiàn)在三方面：一是突破當前視覺大模型“60s超長視頻”生成瓶頸，以往的視頻模型大多只能生成時長不超過10秒的視頻,，而Sora在保證視頻時長的同時,，還能保持人物和場景的連貫；二是呈現(xiàn)多角度一鏡到底,，逼真表現(xiàn)光影幾何,、物理關系；三是較為真實地遵循物理世界規(guī)律,，比如畫筆會在畫布上留下水墨,、人吃漢堡會留下咬痕等。
OpenAI對Sora的定位頗具野心,，號稱其并非僅僅是“文生視頻”的工具,，而是一個通用的“物理世界模擬器”——復現(xiàn)真實世界的重力、摩擦力等物理現(xiàn)象,。這一定位使得Sora未來有望成為跨越各行各業(yè)的“超級工具”,，可用于模擬天氣變化,、自動駕駛、生物行為甚至軍事場景等,。
對此,，南京大學計算機科學與技術系長聘副教授過潔表示，實際上,，早有多條技術路徑瞄準“模擬物理世界”這一目標,，只不過實現(xiàn)方式不同。Sora的技術路徑可以理解為“數(shù)據(jù)驅(qū)動”——通過學習視頻來理解現(xiàn)實世界的動態(tài)變化,，并用計算機視覺技術模擬這些變化,。“但從Sora的一些‘翻車’視頻可以看出,，它在理解物理世界時會遇到困難,。”過潔以游戲舉例,，在一款射擊游戲中,，玩家想要走出屋子射擊“敵人”，Sora很可能會讓玩家“穿墻而去”,?！癝ora是否知道墻是一道物理障礙？在它塑造的世界規(guī)則中,，是否有這么一條規(guī)矩,，規(guī)定墻是不能穿過的？這些都是未知,?！?/p>
“目前Sora接受的所有訓練都是人類‘喂’給它的，其實還是沒有跳脫現(xiàn)階段人類的認知范圍,。目前還有許多物理規(guī)律連人類都還沒有掌握,，人類尚未踏足的知識領域，Sora也無法理解,?！边^潔說。
創(chuàng)意工作
AI仍難以替代人類
“過往的人工智能產(chǎn)品,，多半可以分為‘以文生文’‘以文生圖’等類型,。它們大多是根據(jù)網(wǎng)上已有的語料來進行內(nèi)容產(chǎn)出，對于我們的工作生活并沒有帶來特別大的改變,。”南京大學人工智能學院院長周志華分析,，大家之所以對“文生視頻”的反應“有點大”,，是因為通過文字輸入來生成視頻這種方式,，更容易讓大家感同身受。
影視娛樂行業(yè)的內(nèi)容創(chuàng)作者,，成為最早擁抱AI創(chuàng)作工具的探路人之一,。國內(nèi)一家頭部影視公司的AI項目負責人王鈺媛告訴記者，自2022年5月“文生圖”工具Midjourney推出測試版本,，她便開始探索AI為內(nèi)容創(chuàng)作帶來的可能性,。“AI目前在影視全流程都有所應用,，涵蓋前期開發(fā),、中期制作、后期宣發(fā)整個鏈條,。在影視項目的前期開發(fā)中,，AI可以協(xié)助頭腦風暴，激發(fā)‘腦洞’,，還可以輔助背景調(diào)研,、制作策劃書、潤色大綱,、評估IP等,。比如，在動畫電影的角色設計過程中,，需要完成角色的配色,、服裝、整體的線稿等,，傳統(tǒng)情況下,，美術設計師要用三四天時間才能完成，如果導演不滿意,，還需要好幾輪溝通和修改,，而利用AI，能迅速生成很多案例給導演和制片方選擇,，減少了大量溝通成本,。”
3月6日,，一部自稱“完全由AI制作的開創(chuàng)性長篇電影”在洛杉磯首映,。這部《終結者2》的翻拍作品，由50位藝術家組成的團隊完成,。該團隊使用Midjourney,、Runway、Pika等多個AI工具進行創(chuàng)作。結合過往的使用經(jīng)驗,，王鈺媛認為,，就整體質(zhì)量而言，目前AI生成的內(nèi)容離商業(yè)質(zhì)量要求還很遠,。比如,，控制影片特定畫面的風格、色調(diào),，保持角色的一致性,，制作連貫的長鏡頭，都是AI目前難以完成的,。AI工具更偏向于輔助,、提供靈感和參考，沒有辦法完全取代某一個環(huán)節(jié),。
“不過,，大模型確實有可能顛覆傳統(tǒng)電影的商業(yè)模式。傳統(tǒng)的影視制作,，需要編劇,、導演、制作團隊,、演員等共同協(xié)作,，工種細分程度很高?！蓖踱曟抡f,，近幾年興起的短視頻中，遵循“黃金三秒定律”的短視頻,，無需在制作上多么精良,，但對視頻創(chuàng)意的要求很高，需要立刻抓住觀眾眼球,。對于這些短視頻創(chuàng)作者,，AI就可以成為很好的輔助。
在未來的“眼球爭奪戰(zhàn)”中,，拼創(chuàng)意將成為趨勢,。“曾經(jīng)一個專業(yè)團隊才能制作出的影片,，現(xiàn)在有可能一個人就能完成,。不需要商業(yè)融資、不需要花大價錢請演員,、攝影師,，人人都可以成為創(chuàng)作者,。”王鈺媛推測,，AI將給觀眾帶來更多可選擇的娛樂產(chǎn)品,，除了電影、電視劇,，短視頻、游戲等更多節(jié)奏緊湊,、領域細分的內(nèi)容和產(chǎn)品將呈現(xiàn)爆發(fā)式增長,。“我認為AI工具沖擊的不是某個具體的工種,，而是傳統(tǒng)行業(yè)或者帶有固定思維的人群,。”
新浪潮來襲,，
教育何為,？
“盡管國內(nèi)大模型產(chǎn)品如雨后春筍大量涌現(xiàn)，但實際發(fā)展還是與美國存在差距,?！睒I(yè)內(nèi)人士表示，究其原因,，在于算力,、數(shù)據(jù)和人才三個方面。
當下,，人工智能已成為產(chǎn)業(yè)創(chuàng)新的關鍵抓手之一,。省政府工作報告也指出，要更大力度發(fā)展數(shù)字經(jīng)濟,，以人工智能全方位賦能新型工業(yè)化,，積極構建特色化行業(yè)大模型，打造人工智能創(chuàng)新應用先導區(qū),。
“江蘇發(fā)展人工智能大模型的一大優(yōu)勢是高校資源非常充分,，但江蘇各個高校培養(yǎng)的頂尖人才外溢現(xiàn)象比較明顯?！边^潔說,。
2月27日，南京大學宣布,，將于今年9月面向全體本科新生開設“人工智能通識核心課程體系”,。課程體系將涵蓋1門必修的人工智能通識核心課，搭配人工智能素養(yǎng)課,，以及各學科與人工智能深度融合的前沿拓展課,，從知識,、能力、價值觀與倫理三個維度開展教育教學,。
“近幾年國內(nèi)許多高校都建立了人工智能學院,，從本科開始專門培養(yǎng)人工智能專業(yè)人才，這是一個好開端,?！敝苤救A表示。南京大學2018年成立我國C9高校中第一個人工智能學院培養(yǎng)本科生,，并率先發(fā)布我國第一個人工智能本科專業(yè)教育培養(yǎng)體系,。
“從人工智能領域的發(fā)展來看，重要的是打通‘基礎研究—人才培養(yǎng)—創(chuàng)新技術—產(chǎn)業(yè)發(fā)展’的通道,?！敝苤救A說，“基礎研究水平提高了,，國內(nèi)大批研究生能夠接觸和從事與國際接軌的研究課題,。其中一些學生自然會走到前沿促進基礎研究和技術創(chuàng)新，他們將成為我國人工智能產(chǎn)業(yè)蓬勃發(fā)展的生力軍,?！?
