Sora年内将向公众推出！OpenAI首席技术官最新透露这些“干货”

OpenAI首席技术官米拉·穆拉蒂(Mira Murati)近期在接受媒体采访时透露，OpenAI人工智能文生视频大模型Sora即将于今年晚些时候正式向公众发布，OpenAI计划最终加入音频功能，以使场景更为真实，同时还将允许用户编辑Sora生成的视频内容。尽管眼下距离Sora正式对外发布尚有一段时日，但OpenAI已经向世人揭示了这款工具的巨大潜力——仅需几句精心设计的提示语，Sora便可创造出几乎足以替代许多视频制作专业人员的出色作品。与市面上那些时长短暂、分辨率低下的AI视频作品相比，Sora的视频看起来就像是纪录片或电影中的梦幻场景。

而Murati也在最新采访中，向外界介绍了Sora究竟是如何通过简单的提示文本，完成这些美轮美奂的视频制作的，她还详细介绍了Sora眼下存在的一些不足，以及接下来会着重防范和改进的地方……

Sora如何“化文字为神奇”?

请你想象一幕场景：“一条美人鱼和她的螃蟹伙伴，正在一起浏览智能手机……”作为这场媒体采访的“福利”，主持人获得了让Sora将其提供的多组文本提示，转化为视频图像的机会，而以上的这一幕，便是Sora提供的视频中的一帧。

Sora究竟是如何实现这一转换的呢?Murati表示，尽管解释美人鱼的进化可能都要比解释“扩散模型”(diffusion models)的内部运作容易得多，但简而言之便是：人工智能模型分析了大量视频，学会了识别物体和动作。然后，当你给它一个文字提示时，它就会勾勒出整个场景，然后填充每一帧。行业观察家和OpenAI的竞争对手——Runway首席执行官Cristóbal Valenzuela等业内人士，将这些卓越的成果归功于OpenAI强大的计算能力和训练数据。

不过，OpenAI最近也面临着版权侵权诉讼：指控这家人工智能初创公司未经许可擅自获取内容来训练ChatGPT。

在被问及OpenAI为Sora使用了哪些训练数据时，Murati指出，“我们使用了公开数据和授权数据”。当主持人继续深入问及这是否包括来自YouTube、Instagram和Facebook的视频时，Murati最初表示她并不清楚具体细节，但后来确认，已获授权的材料涵盖了来自知名版权图片网站Shutterstock上的内容，而OpenAI与Shutterstock有着合作关系。

Murati认为，对于用户来说，人工智能模型就像是一个神秘的黑盒子——人们知道输入的提示语和输出的内容，但并不了解中间的步骤。因此，人们可能永远不会知道为什么最终生成的内容会是这样的——例如上面这张视频截图里，美人鱼的螃蟹伙伴留着胡子，就像海绵宝宝的朋友蟹老板。巧合吗?也许吧……

未来视频将支持配备音效

在另外一段视频里，主持人要求Sora制作一段她更为符合这场采访的内容：“两位30多岁、有着棕色头发的职业女性，在一个光线充足的演播室里坐下来接受新闻采访。”

最终，在Sora交出的“作业”里，无论是两位女性嘴型和头发的动捕，还是皮夹克上的细节，一切看起来都那么真实。Murati指出，这段20秒的720p分辨率短片，Sora花了几分钟才制作完成，但目前还未能支持配备音效。

但Murati已承诺，他们计划最终会添加声音。Murati还表示，当前Sora生成视频的成本远高于该公司的图像生成器Dall-E。不过，在未来向公众正式发布时，OpenAI将进行优化，以降低对算力的需求。