2月16日凌晨，AI target=_blank class=infotextkey>OpenAI發(fā)布了首個(gè)文生視頻模型Sora，可以用文字指令生成長(zhǎng)達(dá)1分鐘的高清視頻。
當(dāng)前大模型在各個(gè)領(lǐng)域的應(yīng)用，主要集中在文生文、文生圖之上，而在文生視頻領(lǐng)域卻進(jìn)步緩慢。此次文生視頻模型Sora的發(fā)布，無(wú)疑令人振奮。不少業(yè)內(nèi)分析指出，這將對(duì)于廣告業(yè)、電影預(yù)告片、短視頻行業(yè)帶來(lái)巨大的顛覆。但也有從業(yè)者保持冷靜：短期內(nèi)的顛覆速度不一定那么快，更多地是借助新技術(shù)，激發(fā)更多人的創(chuàng)作力。
▍短期內(nèi)較難帶來(lái)顛覆性影響
在官網(wǎng)上已經(jīng)更新了48個(gè)視頻實(shí)例中，Sora能夠準(zhǔn)確呈現(xiàn)視頻細(xì)節(jié)，還能深刻理解物體在現(xiàn)實(shí)世界中的存在狀態(tài)，并生成具有豐富情感的角色。
例如，某個(gè)Prompt（大語(yǔ)言模型的提示詞）的描述是美麗、白雪皚皚的東京城市熙熙攘攘。鏡頭穿過(guò)熙熙攘攘的城市街道，跟隨幾個(gè)人享受美麗的雪天，在附近的攤位上購(gòu)物。絢麗的櫻花花瓣和雪花一起在風(fēng)中飛舞。
在Sora生成的視頻里，鏡頭從俯視白雪覆蓋的東京，慢慢推進(jìn)到兩個(gè)行人在街道上手牽手行走，街旁的櫻花樹和攤位的畫面均細(xì)致呈現(xiàn)。
不少業(yè)內(nèi)人士認(rèn)為，這個(gè)進(jìn)展的意義難以想象，將對(duì)電影、小說(shuō)、動(dòng)漫、教育、游戲、自媒體行業(yè)全部具有深遠(yuǎn)的影響。
但也有視頻剪輯從業(yè)人員破冷水：“大規(guī)模應(yīng)用后能否催生更多好作品不清楚，但制造視頻垃圾的速度一定會(huì)指數(shù)級(jí)增長(zhǎng)。”
前百度產(chǎn)品委員會(huì)主席宋健表示：Sora確實(shí)很牛，但如果認(rèn)為三年后就沒(méi)人拍視頻了，抖音TikTok會(huì)被很快顛覆，那還是為時(shí)過(guò)早。
“從平臺(tái)的角度，抖快視頻號(hào)本質(zhì)上還是以視頻為載體的社交平臺(tái)，特效甚至視頻化本身只是個(gè)形式。做產(chǎn)品的肯定知道從零建一個(gè)社交平臺(tái)到底有多難，需要天時(shí)地利人和，技術(shù)只是其中的變量之一。此外，生成式視頻的信息量不如真實(shí)拍攝大。比如一個(gè)30歲的男人和一個(gè)20歲的女人對(duì)話，表達(dá)、語(yǔ)氣、表情的背后都是他們積累了50年的數(shù)據(jù)總和。這些是生成式AI當(dāng)前無(wú)法替代的。而且用戶對(duì)這些細(xì)節(jié)很敏感。”
宋健認(rèn)為，如若希望借助Sora這種視頻生成式技術(shù)，把視頻行業(yè)變成一個(gè)“人純粹消費(fèi)機(jī)器工業(yè)化內(nèi)容”的局面，這恐怕沒(méi)戲。但如果說(shuō)，通過(guò)借助新技術(shù)，讓人和人之間產(chǎn)生新的連接，激活新的創(chuàng)作產(chǎn)能，這是有戲的。但也得尊重行業(yè)規(guī)律，日拱一卒地通過(guò)“技術(shù)”迭代“生態(tài)”，而不是直接把技術(shù)強(qiáng)懟給用戶。
▍有望縮短實(shí)現(xiàn)通用人工智能的時(shí)間
360集團(tuán)創(chuàng)始人周鴻祎也表示，今天Sora可能給廣告業(yè)、電影預(yù)告片、短視頻行業(yè)帶來(lái)巨大的顛覆，但速度不一定那么快。
“AI不一定那么快顛覆所有行業(yè)，但它能激發(fā)更多人的創(chuàng)作力。很多人談到Sora對(duì)影視工業(yè)的打擊，我倒不覺(jué)得是這樣，因?yàn)闄C(jī)器能生產(chǎn)一個(gè)好視頻，但視頻的主題、腳本和分鏡頭策劃、臺(tái)詞的配合，都需要人的創(chuàng)意至少需要人給提示詞。一個(gè)視頻或者電影是由無(wú)數(shù)個(gè)60秒組成的。今天Sora可能給廣告業(yè)、電影預(yù)告片、短視頻行業(yè)帶來(lái)巨大的顛覆，但它不一定那么快擊敗TikTok，更可能成為TikTok的創(chuàng)作工具。”
周鴻祎認(rèn)為，大語(yǔ)言模型的厲害之處在于，能完整地理解這個(gè)世界的知識(shí)。而此前所有的文生圖、文生視頻都是在2D平面上對(duì)圖形元素進(jìn)行操作，并沒(méi)有適用物理定律。
“這次很多人從技術(shù)上、從產(chǎn)品體驗(yàn)上分析Sora，強(qiáng)調(diào)它能輸出60秒視頻，保持多鏡頭的一致性，模擬自然世界和物理規(guī)律，實(shí)際這些都比較表象。最重要的是Sora的技術(shù)思路完全不一樣。Sora產(chǎn)生的視頻里，它能像人一樣理解坦克是有巨大沖擊力的，坦克能撞毀汽車，而不會(huì)出現(xiàn)汽車撞毀坦克這樣的情況。”
周鴻祎認(rèn)為，這也代表未來(lái)的方向。有強(qiáng)勁的大模型做底子，基于對(duì)人類語(yǔ)言的理解，對(duì)人類知識(shí)和世界模型的了解，再疊加很多其他的技術(shù)，就可以創(chuàng)造各個(gè)領(lǐng)域的超級(jí)工具。
“比如生物醫(yī)學(xué)蛋白質(zhì)和基因研究，包括物理、化學(xué)、數(shù)學(xué)的學(xué)科研究上，大模型都會(huì)發(fā)揮作用。這次Sora對(duì)物理世界的模擬，至少將會(huì)對(duì)機(jī)器人具身智能和自動(dòng)駕駛帶來(lái)巨大的影響。原來(lái)的自動(dòng)駕駛技術(shù)過(guò)度強(qiáng)調(diào)感知層面，而沒(méi)有工作在認(rèn)知層面。其實(shí)人在駕駛汽車的時(shí)候，很多判斷是基于對(duì)這個(gè)世界的理解。比如對(duì)方的速度怎么樣，能否發(fā)生碰撞，碰撞嚴(yán)重性如何，如果沒(méi)有對(duì)世界的理解就很難做出一個(gè)真正的無(wú)人駕駛。”
周鴻祎預(yù)測(cè)，Sora的出現(xiàn)，或意味著AGI（通用人工智能）實(shí)現(xiàn)將從10年縮短到1年。
“OpenAI訓(xùn)練這個(gè)模型應(yīng)該會(huì)閱讀大量視頻。一旦人工智能接上攝像頭，把所有的電影都看一遍，把YouTube上和TikTok的視頻都看一遍，對(duì)世界的理解將遠(yuǎn)遠(yuǎn)超過(guò)文字學(xué)習(xí)，一幅圖勝過(guò)千言萬(wàn)語(yǔ)，而視頻傳遞的信息量又遠(yuǎn)遠(yuǎn)超過(guò)一幅圖，這就離AGI真的就不遠(yuǎn)了，不是10年20年的問(wèn)題，可能一兩年很快就可以實(shí)現(xiàn)。
▍多模態(tài)大模型將成為生成式AI的重點(diǎn)發(fā)展方向
隨著文生圖、圖片對(duì)話技術(shù)的成熟，文生視頻已成為多模態(tài)大模型下一步發(fā)展的重點(diǎn)。展望2024年，機(jī)構(gòu)人士認(rèn)為，大模型領(lǐng)域的競(jìng)爭(zhēng)將進(jìn)一步白熱化，多模態(tài)大模型將成為生成式AI的重點(diǎn)發(fā)展方向，并有望推動(dòng)本輪AI行情進(jìn)一步擴(kuò)散。
在國(guó)盛證券看來(lái)，AI文生視頻是多模態(tài)應(yīng)用的下一站。文生視頻即根據(jù)給定的文字提示直接生成視頻。隨著文生視頻技術(shù)的日趨成熟和廣泛應(yīng)用，或?qū)楫?dāng)下熱門的短劇市場(chǎng)帶來(lái)變數(shù)。該技術(shù)有望極大降低短劇制作的綜合成本，為解決“重制作而輕創(chuàng)作”的共性問(wèn)題提供解決方案，短劇制作的重心有望回歸高質(zhì)量劇本創(chuàng)作。
中信證券表示，多模態(tài)大模型算法的突破將帶來(lái)自動(dòng)駕駛、機(jī)器人等技術(shù)的革命性進(jìn)步，持續(xù)看好本輪生成式AI浪潮對(duì)科技產(chǎn)業(yè)的長(zhǎng)周期影響和改變，繼續(xù)關(guān)注算力、算法、數(shù)據(jù)、應(yīng)用等環(huán)節(jié)的領(lǐng)先廠商。
東吳證券判斷，多模態(tài)是AI商業(yè)宏圖的起點(diǎn)，有望真正為企業(yè)降本增效，且企業(yè)可將節(jié)省下來(lái)的成本用于提高產(chǎn)品、服務(wù)質(zhì)量或者技術(shù)創(chuàng)新，推動(dòng)生產(chǎn)力進(jìn)一步提升；同時(shí)，也可能出現(xiàn)新的、空間更大的用戶生成內(nèi)容平臺(tái)。
來(lái)源：財(cái)聯(lián)社
