OpenAI文本到视频人工智能模型Sora惊艳亮相

OpenAI 公布了一种新的人工智能系统，该系统可以根据用户的文本提示创建逼真的视频，使其成为最新一家采用生成视频技术的人工智能公司。

这款名为 Sora 的人工智能系统可以快速制作长达一分钟的视频，这些视频可以呈现「具有多个角色、特定类型的动作、以及主题和背景的准确细节的复杂场景」。

OpenAI 首席执行官 Sam Altman 表示，该工具最初将提供给「有限数量的创作者」。OpenAI 还授予一个专家团队访问权限，该团队负责评估 Sora 的安全性，然后将其纳入公司的产品中。OpenAI 表示正在开发工具，以帮助检测视频是由 Sora 生成的。

Sora 能够创建”具有多个角色、特定运动类型以及主体和背景准确细节的复杂场景”。该公司还指出，该模型能够理解物体”在物理世界中的存在方式”，还能”准确解释道具并生成表达生动情感的引人注目的角色”。

该模型还能根据静态图像生成视频，以及在现有视频中填充缺失的帧或扩展视频。OpenAI 的博文中包含的 Sora 生成的演示包括淘金热时期加利福尼亚州的空中场景、从东京火车内部拍摄的视频等。许多演示都有人工智能的痕迹–比如在一段博物馆的视频中，地板疑似在移动。OpenAI 表示，该模型”可能难以准确模拟复杂场景的物理现象”，但总体而言，演示结果令人印象深刻。

Sora 目前只对”红队”人员开放，他们负责评估模型的潜在危害和风险。OpenAI 还向一些视觉艺术家、设计师和电影制片人提供访问权限，以获得反馈意见。它指出，现有模型可能无法准确模拟复杂场景的物理现象，也可能无法正确解释某些因果关系。

本月早些时候，OpenAI 宣布将在其文本到图像工具 DALL-E 3 中添加水印，但指出这些水印”很容易去除”。与其他人工智能产品一样，OpenAI 将不得不面对人工智能逼真视频被误认为是真实视频的后果。