关于 openai sora 的一些思考
@雷斯林 raist：关于 openai sora 的一些思考：
1，你只要打一段话就能生成堪比好莱坞质感的视频，这无疑是生产力的提高。
过去要做出这样作品，得是相当专业的一只视频团队，花费数十万美金数百个小时。
现在任何人只要会打字就能生成。
这让人兴奋。
2，当然，网络上也再没有真实可言。
如果说 ps 让照片再也不可信，之前的 ai 让 60% 的视频不可信的话。那现在网上你看到的所有视频、图片、文字，都有可能是 ai 生成的。
所谓 “真实” 这个概念，以后就不存在了。你相信的将是别人的信用，而不是其他。
得尽快让大家意识到这一点，尤其是父母长辈。否则很容易被骗。
骗子用你形象给父母打视频电话，完全看不出破绽，谁又能分辨呢。
3，这是内容创作者的变革期，充满了机遇。有人说写作能力越来越重要，但我持悲观态度。
最大的挑战在于，ai 已经不是被动地当个工具了。你能创作的东西，他们也能创作。而且在使用 sora 上，你大概率是没有 ai 自己专业的。
大公司的规模效应会越来越明显，ai 必定会淘汰大多数普通创作者。
过去这么些年，其实我们很多博主的机会，是大型平台公司给的。他们无法提供足够的内容，于是创建平台让你来发内容。
但如果类似抖音的平台公司可以自己用 ai 生成视频娱乐大众，他们何必要和内容创作者分一杯羹呢？
或者往更大一个层面去说。
未来会不会有一个全知全能的 ai 服务系统全人类，我们只消费就好，完全不需要创造呢？
这么个牛逼的系统，我们就叫它 “天网” 吧。
总觉得人类正一步步走向几十年前我们自己想象出的结局。
4，之前我们常说科技要取代体力劳动，未来都是机器人负责干重活，人类写诗、唱歌、画画，做有创意的事情。
但现在看来，完全相反。
机器马上要取代人类做创意工作了，而瓦工水电工等体力活还是人类做，而且收入越来越高了。
我们经常说人类有创造型思维而机器只会在别人的素材基础上发挥。
但仔细想想，其实人类所谓的创作，绝大多数时候也就是把前人的经验结合在一起。所有我们看来 “创新” 的东西，都有无数前人的影子。人类几万年的文明史，在前人的经验上一步步走到了现在。
现在机器把这一过程加速了几千几万倍。
就和自动驾驶一样的。
自动驾驶不需要做到完美，它只要比人类驾驶员靠谱就行。如果说完美是 100%，自动驾驶做到了 10%，普通人类驾驶员最多做到了 4%。
绝大多数创作者，能交出来的也不过是五六分的东西，ai 一瞬间把他们全淘汰了
@琉玄：昨天的 ai 是一键成图，今天的 ai 已经可以根据你提供的一句话一键生成一段视频了。
我看到群里的大家热闹地聊起来，有的人觉得是好事情，以后一个人就是一个团队，有的人表示非常绝望，将有更多人失业。
大家争执了起来。
有创意输出类的从业人员紧跟着说：“更多人失业？已经很多人失业了。”
是的。这也是我亲眼所见，ai 不在未来，它是已经融入我们的生活了，当它可以一键成图的那瞬间，我就在地铁里、在电梯里，看到完全 ai 生成的海报了。
我看得真是惊心动魄，合家福的广告画面里每一张大笑的都是虚构人脸，这一张图背后失业的是策划、文案、摄影、模特、修图、作画、排版……
很多人说 ai 作图有很多漏洞，比如手指头、衣服的皱褶等等，先不说这些漏洞正在攻克中，就，这些漏洞，有人在乎吗？我看一张海报里的人物骑在龙身上，这个人物没有下半身，我看到了，我一笑而过，仅仅吐槽了句 “真丑”。没人在乎。
以前我就说过，大多数人吃个五六分的东西就行了，十分的大师作品，他们其实不吃的，所以 ai 生成的东西已经足够填饱大多数人们的需求。
而绝大多数创作者，能交出来的也不过是五六分的东西，原本他们每一个人坐在自己的工位上，还能靠这五六分的技术实力吃饭，现在 ai 一瞬间把他们全淘汰了，以后他们上哪儿去呢？
不知道。
但是 ai（科技）的发展，势不可挡。
未来怎么样……
到时候再看吧。
刚刚，奥特曼发布 openai 首个视频生成模型 sora。
完美继承 dall・e 3 的画质和遵循指令能力，能生成长达 1 分钟的高清视频。
ai 想象中的龙年春节，红旗招展人山人海。
有紧跟舞龙队伍抬头好奇凯发k8天生赢家一触即发官网的儿童，还有不少人掏出手机边跟边拍，海量人物角色各有各的行为。
雨后东京街头，潮湿地面反射霓虹灯光影效果堪比 rtx on。
行驶中的列车窗外偶遇遮挡，车内人物倒影短暂出现非常惊艳。
也可以来一段好莱坞大片质感的电影预告片：
竖屏超近景视角下，这只蜥蜴细节拉满：
网友直呼 game over，工作要丢了：
甚至有人已经开始 “悼念” 一整个行业：
ai 理解运动中的物理世界
openai 表示，正在教 ai 理解和模拟运动中的物理世界，目标是训练模型来帮助人们解决需要现实世界交互的问题
根据文本提示生成视频，仅仅是整个计划其中的一步。
目前 sora 已经能生成具有多个角色、包含特定运动的复杂场景，不仅能理解用户在提示中提出的要求，还了解这些物体在物理世界中的存在方式。
比如一大群纸飞机在树林中飞过，sora 知道碰撞后会发生什么，并表现其中的光影变化。
一群纸飞机在茂密的丛林中翩翩起舞，在树林中穿梭，就像候鸟一样。
sora 还可以在单个视频中创建多个镜头，并依靠对语言的深入理解准确地解释提示词，保留角色和视觉风格。
美丽、白雪皑皑的东京熙熙攘攘。镜头穿过熙熙攘攘的城市街道，跟随几个人享受美丽的雪天并在附近的摊位购物。绚丽的樱花花瓣随着雪花随风飘扬。
对于 sora 当前存在的弱点，openai 也不避讳，指出它可能难以准确模拟复杂场景的物理原理，并且可能无法理解因果关系。
例如 “五只灰狼幼崽在一条偏僻的碎石路上互相嬉戏、追逐”，狼的数量会变化，一些凭空出现或消失。
该模型还可能混淆提示的空间细节，例如混淆左右，并且可能难以精确描述随着时间推移发生的事件，例如遵循特定的相机轨迹。
如提示词 “篮球穿过篮筐然后爆炸” 中，篮球没有正确被篮筐阻挡。
技术方面，目前 openai 透露的不多，简单介绍如下：
sora 是一种扩散模型，从噪声开始，能够一次生成整个视频或扩展视频的长度，
关键之处在于一次生成多帧的预测，确保画面主体即使暂时离开视野也能保持不变。
与 gpt 模型类似，sora 使用了 transformer 架构，有很强的扩展性。
在数据方面，openai 将视频和图像表示为 patch，类似于 gpt 中的 token。
通过这种统一的数据表示方式，可以在比以前更广泛的视觉数据上训练模型，涵盖不同的持续时间、分辨率和纵横比。
sora 建立在过去对 dall・e 和 gpt 模型的研究之上。它使用 dall・e 3 的重述提示词技术，为视觉训练数据生成高度描述性的标注，因此能够更忠实地遵循用户的文本指令。
除了能够仅根据文本指令生成视频之外，该模型还能够获取现有的静态图像并从中生成视频，准确地让图像内容动起来并关注小细节。
该模型还可以获取现有视频并对其进行扩展或填充缺失的帧，请参阅技术论文了解更多信息（晚些时候发布）。
sora 是能够理解和模拟现实世界的模型的基础，openai 相信这一功能将成为实现 agi 的重要里程碑。
奥特曼在线接单
目前已有一些视觉艺术家、设计师和电影制作人（以及 openai 员工）获得了 sora 访问权限。
他们开始不断 po 出新的作品，奥特曼也开始了在线接单模式。
带上你的提示词 @sama，就有可能收到生成好的视频回复。
来源：量子位 微信号：qbitai
历史上的今天:
- 2023: 快速申请微软 chatgpt 版新必应方法
- 2023: 一些 chatgpt 代替品推荐
- 2023: 微语录精选:中国首届chatgpt吹牛大赛
- 2023: epic 喜加一：免费领取策略肉鸽游戏《小兵大战》
- 2022:
