东莞英文网站制作,网站建设与开发课程内容,海淀网站开发的公司,房地产公司 网站建设以下是宝玉老师接受有关Sora采访以及整理脱水的文字稿#xff0c;非常值得阅读。 很荣幸受王又又邀请#xff0c;今天和她以及《宇宙探索编辑部》副导演吕启洋#xff08;Ash#xff09;一起聊聊了一下当前火爆的话题 Sora#xff0c;看 Sora 如何改变我们的生活。
我把技… 以下是宝玉老师接受有关Sora采访以及整理脱水的文字稿非常值得阅读。 很荣幸受王又又邀请今天和她以及《宇宙探索编辑部》副导演吕启洋Ash一起聊聊了一下当前火爆的话题 Sora看 Sora 如何改变我们的生活。
我把技术相关的一些问题整理成了文字希望能够帮助大家更好地理解 Sora。我将问题大约整理成了四类
Sora 的技术科普Sora 产品相关问题Sora 的价值和应用Sora 有关的八卦闲聊
注意这里的回答都是我个人的观点一部分也借鉴了大家在帖子中讨论的结果很多答案不一定准确仅供参考。也欢迎指正其中错误或者提出不同观点。
Sora 的技术科普
Sora 是什么能干什么
简单来说Sora 是一种能用文本生成最长 60 秒视频的技术也可以用来生成图片因为图片本质上是一帧的视频。
Sora 跟之前的 AI 视频生成工具有什么升级跟市面上其他的例如 Runway、Pika、SVD 这些 AI 视频生成工具有什么区别
之所以 Sora 引发极大关注主要在于它生成视频质量要比之前的高很多不仅时间最长能到 60 秒而且它可以支持镜头切换、画面人物和背景稳定、很高画质。
Pika 是基于 Diffusion 模型把图片和视频训练成毫无意义的马赛克图片再从空白马赛克图片能反向扩散生成图片和视频有两种主要模式一种是基于图片关键帧扩展成视频例如已有视频的风格变换一种是对视频的训练但是由于显卡限制只能一次训练特定分辨率的几秒视频一次也只能生成几秒钟的视频。
LLM、ChatGPT 是 Transformer 模型预测 Token 生成文本内容Token 可以理解为字和词。
Sora 则是基于 Diffusion Transformer 模型结合了扩散模型和 Transformer 模型不过它是预测生成的不是文本 Token而是“时空补丁spacetime patches ”可以理解为一个几帧一秒不到的视频的一个小块。
主要优势是训练的时候不受视频和显卡约束生成的时候也更加多样可以灵活组合时空补丁。
使用成本现在可以生成 60 秒视频60 秒视频的成本是多少对算力有什么要求
现在DALL-E 3 HD Image 价格 $0.08Runway Gen-2 价格是$0.05/秒。
Sora 没有公布相关数据纯猜测Sora 的推理大约需要 ~8xA100生成视频预估一秒一分钟半小时成本约 ~$10
有可能可以生成音乐音频么如果不行难点在哪
未来应该是可以的现在没有是因为
需要根据视频中的环境、物体类型、物体之间的碰撞、所在位置发出不同的声音需要多种声源叠加音乐不仅要质量高还需要和视频中的场景融合人物对白需要和人物的位置、口型、表情对齐
Sora 产品相关问题
是否需要建模还是通过其他方式使用什么时候能落地商用
不需要本地搭建预计会提供两种方式ChatGPT 集成、API 调用但生成视频的成本偏高、耗时也比较长可能会限制次数或者提供更高一档的订阅。
预计三个月到半年内会逐步放开。
在不同的时间使用相同的要求语会生成相同的视频吗能支持后续微调修改或者输入更确定的边界条件生成么当前模型架构有能力支持这些么
同样的提示词每次都不会相同但是 seed 相同应该可以做到相似
Sora 支持图片生成视频和视频生成视频但人物是否可以做到一致还需要产品发布后才能下结论。
什么时候可以生成更长时间的视频比如 30 分钟、60 分钟甚至更长
生成视频时间越长对显存要求越高但是按照现在技术发展的速度乐观估计 1 年后应该可以到 5-10 分钟30 分钟 60 分钟预计在 3-5 年的时间。
生成视频的版权归谁
根据图片生成的规则来推测应该是归创作者所有但是生成的作品本身不能侵权。
虚拟 vs 现实如何判断那些视频是拍的哪些是 Sora 做的以后还有啥会是真的呢深度伪造问题会不会更容易被诈骗如何反诈
现在的视频都有水印未来应该会有检测工具。
另外仔细看是能看出视频中不符合逻辑的地方例如蚂蚁只有 4 条腿人的手会变形等等。
我们其实早已经历过照片不是真的、电视不是真的、电影不是真的人民群众的鉴别水平也会同步提升。
伪造和鉴别伪造是长期攻防战。
Sora 接下来的发展前景演进趋势
成本降低更快更便宜质量提升时长、画质、镜头切换、一致性、符合物理规律新的能力声音、和 GPT 的融合完全的多模态
能不能用来做动画片
短片完全没问题复杂场景和更长时间的还不行未来可期。
Sora 的价值和应用
Sora 有哪些应用场景实用性有多大商业应用价值
我从四个方面总结了 Sora 的价值和应用
首先它能放大了普通人的表达能力张小龙说汽车是双腿的延伸ChatGPT 就是双手的延伸Sora 就是我们表达的综合延伸也就是传说中的“嘴替”
这意味着我们可以更好的来表达自己的想法不再受限于自己的写作能力、画画能力、摄影能力、视频剪辑能力甚至是演讲能力。
Sora 是一种低成本的视频工具
Sora 将极大的降低了视频制作的成本这意味着更多的人可以用更低的成本来制作视频这对于视频创作者来说是一个很大的利好。
新的人机交互方式动态生成视频
Sora 已经演示了生成我的世界这样游戏的能力也许未来我们可以用 Sora 来动态生成游戏的剧情、任务、场景。另外我们也可以让 Sora 动态对新闻、文章生成视频而不需要去阅读。
情感上的寄托
生成已故亲人的视频保留他们的记忆。数字伴侣。
Sora 赚钱逻辑在哪里
取决于围绕 Sora 创造的价值
情感价值卖课缓解焦虑、提供娱乐、情感寄托艺术价值微电影内容价值小说二创、卖素材、教学、讲故事、游戏生成、广告生态价值Prompt、更加易用小工具、绕过限制降本增效快速 MVP 验证想法、广告、电商、电影分镜
普通人怎么用好如何利用 Sora 做点副业
用起来学会怎么用知道它能做什么边界在哪里选一个适合自己的方向提前准备好相关素材或者开发项目技术人员可以准备开始筹备产品、工具收集 Prompt、基于 API 二次开发
Sora 有关的八卦闲聊
名字真的是起源于天元突破的 op 空色デイズ吗
我倾向于是。
现在的热度是 (为了融资、股价) 的概念炒作还是真实有用的
真实有用可以马上应用到短视频例如 OpenAI 在 Tiktok 的账号视频以假乱真
您在网上看到或者听说的一些比较夸张脱离实际的说法
Sora关键原材料之—马来酰亚胺树脂来自于四川绵阳一家公司。 Sora 懂物理 Sora 连接了游戏引擎 Sora 是 AGI 的关键里程碑几年内就能实现 AGI
在全球顶尖公司之间 Sora 的竞争力如何中国在这个领域的发展情况在中国做这个的公司有哪些中国和欧美的差距在哪里
OpenAI 已经投入了一年多领先业界半年到一年甚至更多具体体现在
技术的领先目前技术还没公开其他公司要破解需要时间大模型的优势他们有最先进的模型可以帮助训练例如自动生成高质量的视频标注 中国应该很快能追赶上——人才、数据、算力都有但是只有少数大厂才有机会对人才、数据、算力要求都太高
目前不清楚是否中国公司已经有做这个方向的但是字节、阿里、腾讯、百度在 AI 视频领域都有深厚积累
中国和欧美的差距主要在于对 AI 技术方向上的把握但这也不仅仅是中国的问题目前全世界所有其他公司都跟随 OpenAI 的步伐另外就是算力上还不能完全自给自足。
新一次产业革命有网友指出短短几年内被追捧的高热度“划时代”技术有 web3、区块链、元宇宙、谷歌眼镜、波士顿机器人、vision pro、chatgpt 等等这次确认要再次划时代了吗
看怎么定义吧从文本生成视频领域来说一定是划时代的真正的文本生成视频领域的 GPT 时刻。
ChatGPT 文本生成Stable Diffusion、MIdJourney、DALL-E 图像生成Sora 文本生成视频
Sora 在硅谷的体感热度在业内的真实反响目前 AI 视频生成赛道的创业者、投资者们心态如何将会如何应对
反响热烈正面评价居多预计 Diffusion 方向会比较难拿到投资创业者需要重新考虑方向例如视频编辑、转向基于 Sora 的接口开发应用
跟芯片有什么关系
未来几年视频生成会继续热门继续需要大量的算力也就是需要大量的显卡但未来显卡应该不会只有 NVIDIA 一家独大应该会有更多的公司参与进来这样的话显卡的供应会更充足价格会更加合理性能也会更高。
总结
以上就是今天访谈的主要内容完整的视频地址在https://weibo.com/6498373231/O1E3dzFky
另外以上很多内容总结自我在 Twitter 和微博上开的讨论帖很多观点例如 Sora 生成亲人视频确实是我之前没有想到的这也算是将大家讨论的内容的一个总结。谢谢各位的参与
X 讨论帖https://twitter.com/dotey/status/1759861034708251116 微博讨论帖https://weibo.com/1727858283/O1tUdnbt8
本文同步发布于https://baoyu.io/blog/ai/will-sora-change-our-life
