很可惜 T 。T 您現(xiàn)在還不是作者身份，不能自主發(fā)稿哦～
如有投稿需求，請(qǐng)把文章發(fā)送到郵箱tougao@appcpx.com，一經(jīng)錄用會(huì)有專人和您聯(lián)系
咨詢?nèi)绾纬蔀榇河鹱髡哒?qǐng)聯(lián)系：鳥哥筆記小羽毛（ngbjxym）
來源：數(shù)字營銷市場
2月16日凌晨，OpenAI發(fā)布旗下首個(gè)文生視頻模型Sora，Sora的推出屬于AI產(chǎn)業(yè)革命上的標(biāo)桿事件。面對(duì)Sora的遙遙領(lǐng)先，中國玩家還有的玩嗎？
時(shí)隔一年，在ChatGPT大火之后，Sora再一次演繹了出圈奇跡。對(duì)比ChatGPT的文字生成，Sora的文生視頻更直觀，更具爆發(fā)力，給人們帶來的沖擊力更大。
第一個(gè)沖擊，視頻生成時(shí)長。
Sora憑借其強(qiáng)大的通用視覺數(shù)據(jù)處理，可以生成跨越不同持續(xù)時(shí)間、縱橫比和分辨率的圖像視頻，最多可以連續(xù)生成60秒的高清視頻。
在Sora推出之前，最長的例如Kaiber也是只能生成16s的長度，其他的文生視頻長度都是個(gè)位數(shù)。如在2023年11月推出的模型中，最新的Pika1.0生成是3-7秒，Stable Video Diffusion模型是2-4秒，李飛飛谷歌團(tuán)隊(duì)W.A.I.T模型是3秒。
Sora的視頻生成時(shí)長與競爭對(duì)手間是代差的區(qū)別。
我們可以這樣理解Sora的視頻生成時(shí)長：在對(duì)文字和圖像識(shí)別和生成的基礎(chǔ)上，Sora又疊加了時(shí)間的維度。這樣AI初步具有了對(duì)真實(shí)世界物理邏輯關(guān)系的理解，這就是為什么業(yè)內(nèi)會(huì)認(rèn)為Sora實(shí)現(xiàn)突破性的跨越的主要原因。
第二個(gè)沖擊，語義理解。
Sora與ChatGPT都是OpenAI的產(chǎn)品，可以說，Sora在語義理解上具有天然的優(yōu)勢(shì)。
Sora借助GTP-4將簡短的用戶提示轉(zhuǎn)換為更長的詳細(xì)字幕，然后發(fā)送到視頻模型，有助于Sora更好理解客戶需求。對(duì)比之下，Sora的主要對(duì)手Runway很難理解詞義上的細(xì)微差別，不得不堅(jiān)持提示中的特定描述而忽略其他描述。二者之間就這樣產(chǎn)生了差距。
▌圖源：網(wǎng)絡(luò)此外，基于語義的理解，Sora采用DALL·E3的重標(biāo)注技術(shù)，通過為視覺訓(xùn)練數(shù)據(jù)生成詳細(xì)描述的標(biāo)題，使模型更加準(zhǔn)確地遵循用戶的文本指令生成視頻。在此視覺訓(xùn)練數(shù)據(jù)的基礎(chǔ)上，Sora還能實(shí)現(xiàn)現(xiàn)有圖片賦予動(dòng)態(tài)效果和延伸視頻內(nèi)容的長度等多種功能。
語義理解加深了人機(jī)之間的互動(dòng)，讓Sora更智能，這是第二個(gè)突破。
第三個(gè)沖擊，電影級(jí)別的鏡頭感。
從發(fā)布的視頻來看，Sora生成視頻場景制作復(fù)雜度極高，可以和電影特效一較高下。業(yè)內(nèi)評(píng)價(jià)：在60秒的視頻中，視頻主體與背景之間高度流暢和穩(wěn)定；在一個(gè)視頻里實(shí)現(xiàn)多角度鏡頭，分鏡切換符合邏輯且十分流暢；此外，Sora對(duì)于光影反射、運(yùn)動(dòng)方式、鏡頭移動(dòng)等細(xì)節(jié)處理非常到位。
▌圖源：網(wǎng)絡(luò)角色和背景在視覺風(fēng)格準(zhǔn)確一致，行為邏輯流暢合理，這就達(dá)到了電影的基本要求?？紤]到智能生成和人工拍攝在成本、創(chuàng)意等方面的差距，電影市場驚呼一片也就可以理解了。
很多投資機(jī)構(gòu)大概率不會(huì)再投文生視頻類項(xiàng)目了，因?yàn)镺penAI太強(qiáng)了。集智魔方創(chuàng)始人徐大大就公開表示，人工智能這一次的熱潮很難留下太多機(jī)會(huì)，反而可能即將面臨一個(gè)“霸權(quán)式創(chuàng)業(yè)”的時(shí)代。
也就是說，Sora橫空出世之后，其他的文生視頻模型的生存空間將被極度擠壓。
▌圖源：網(wǎng)絡(luò)2024年AI視頻生成賽道選手眾多，不僅有美國AI初創(chuàng)公司Pika labs發(fā)布的“Pika 1.0”，還有谷歌推出的AI視頻生成模型“W.A.L.T”等。國內(nèi)，字節(jié)跳動(dòng)于2023年11月推出了文生視頻模型PixelDance，阿里緊隨其后也上線了Animate Anyone模型，百度文心大模型的類似功能則在內(nèi)測(cè)中，不久后會(huì)以插件形式開放。此外，騰訊、360、萬興科技、昆侖萬維、國脈文化、美圖等公司也紛紛涉足視頻生成領(lǐng)域。
業(yè)內(nèi)人士總結(jié)，Sora之前的AI視頻生成有兩種類型：一是由剪輯工具衍生出來的“文生視頻”產(chǎn)品。這類產(chǎn)品并不會(huì)根據(jù)文本內(nèi)容原生視頻素材，而是在素材庫內(nèi)進(jìn)行調(diào)用。二是由多模態(tài)大模型衍生出來的“文生視頻”產(chǎn)品，針對(duì)性地原生一部分素材的能力，如郭德綱說英語等。
▌圖源：網(wǎng)絡(luò)但Sora不同。
Sora的獨(dú)特建立在對(duì)Patchs、Transformers、DALL·E3等技術(shù)的創(chuàng)新上。通過patchs統(tǒng)一視頻數(shù)據(jù)，就像大語言模型在語言層面統(tǒng)一文本代碼、數(shù)學(xué)和自然語言一樣；依托Diffusion Transformers等技術(shù)架構(gòu)，全面碾壓Runway等其他文生視頻模型；借鑒DALL·E3，在語義理解上全面勝出。依靠這些技術(shù)，Sora實(shí)現(xiàn)制作無縫循環(huán)視頻、給靜態(tài)圖片添加動(dòng)畫、擴(kuò)展視頻時(shí)間線、視頻到視頻編輯、視頻拼接等功能
總之，Sora的差距是技術(shù)的碾壓，遙遙領(lǐng)先是客觀事實(shí)。
國內(nèi)選手應(yīng)該如何看待Sora的遙遙領(lǐng)先？
首先，正視而不是夸大這種差距。以ChatGPT來說，2023年ChatGPT橫空出世的時(shí)候，業(yè)內(nèi)一片震驚。起初搜狗創(chuàng)始人王小川認(rèn)為，OpenAI領(lǐng)先國內(nèi)3年時(shí)間，但2023年6月，他去硅谷做了一番考察后，認(rèn)為差距并沒有這么大，而且國內(nèi)應(yīng)用層做的更出色，起碼快美國三步。所以，看上去的差距實(shí)際上可能并沒有那么大。
事實(shí)也說明這一點(diǎn)，ChatGPT之后，國內(nèi)大模型接連出世，中美在大模型的競爭上分列世界前兩名，彼此差距不大，且遠(yuǎn)遠(yuǎn)地把其他國家甩在身后。
▌圖源：網(wǎng)絡(luò)其次，認(rèn)識(shí)并發(fā)揮中國AI的競爭優(yōu)勢(shì)。
根據(jù)歷年來科技互聯(lián)網(wǎng)的發(fā)展經(jīng)驗(yàn)來看，中國往往在基礎(chǔ)研究的突破落后于美國，但在延伸應(yīng)用上卻走在美國的前面。
移動(dòng)支付、社交媒體、電商等方面中國都是后來居上。即使是近兩年大火的AI，中國也有一較之力。美國在辦公、金融、醫(yī)療的AI應(yīng)用上處于領(lǐng)先地位，中國緊隨其后，而AI+文娛、AI+交通等方面，中國則大幅領(lǐng)先于美國。
第三，廣闊的國內(nèi)市場是中國競爭最有力的底氣。
制造是競爭力，但市場也是競爭力，需求更是競爭力。
中日基本同時(shí)啟動(dòng)大飛機(jī)項(xiàng)目，中國的C-919客機(jī)取得成功，日本卻無奈退出研發(fā)。不是日本科技實(shí)力不足，而是日本市場缺乏足夠的空間。新能源車上，鋰電池領(lǐng)先氫能源電池，還有LED戰(zhàn)勝DVD，都是市場起了決定性的作用。
▌圖源：網(wǎng)絡(luò)中國的大模型市場規(guī)模足夠大。根據(jù)大模型之家、鈦媒體數(shù)據(jù)，2023年中國大模型市場規(guī)模達(dá)到147億人民幣，同比增長110.0%。預(yù)計(jì)到2028年中國大模型市場規(guī)模將達(dá)到1179億人民幣，2022-2028年復(fù)合增長率約為60.11%，市場規(guī)?？焖俪砷L。
海外已有Synthesia、Runway等廠商在文生視頻領(lǐng)域形成成熟商業(yè)方案，應(yīng)用于企業(yè)產(chǎn)品介紹、操作指南、客戶服務(wù)等場景。隨著中國的百度、阿里、頭條的迎頭趕上，文生視頻的競爭中，國內(nèi)選手不會(huì)輸于Sora。
緊隨Sora之后，谷歌Deep Mind團(tuán)隊(duì)發(fā)布基礎(chǔ)世界模型Genie，通過給模型投喂視頻數(shù)據(jù)進(jìn)行訓(xùn)練，生成照片、草圖甚至可以操控的虛擬世界。虛擬世界正不斷向前，隨著中國玩家的不斷加入，這個(gè)世界會(huì)變得更加精彩。
本文為作者獨(dú)立觀點(diǎn)，不代表鳥哥筆記立場，未經(jīng)允許不得轉(zhuǎn)載。
《鳥哥筆記版權(quán)及免責(zé)申明》 如對(duì)文章、圖片、字體等版權(quán)有疑問，請(qǐng)點(diǎn)擊 反饋舉報(bào)
我們致力于提供一個(gè)高質(zhì)量內(nèi)容的交流平臺(tái)。為落實(shí)國家互聯(lián)網(wǎng)信息辦公室“依法管網(wǎng)、依法辦網(wǎng)、依法上網(wǎng)”的要求，為完善跟帖評(píng)論自律管理，為了保護(hù)用戶創(chuàng)造的內(nèi)容、維護(hù)開放、真實(shí)、專業(yè)的平臺(tái)氛圍，我們團(tuán)隊(duì)將依據(jù)本公約中的條款對(duì)注冊(cè)用戶和發(fā)布在本平臺(tái)的內(nèi)容進(jìn)行管理。平臺(tái)鼓勵(lì)用戶創(chuàng)作、發(fā)布優(yōu)質(zhì)內(nèi)容，同時(shí)也將采取必要措施管理違法、侵權(quán)或有其他不良影響的網(wǎng)絡(luò)信息。
一、根據(jù)《網(wǎng)絡(luò)信息內(nèi)容生態(tài)治理規(guī)定》《中華人民共和國未成年人保護(hù)法》等法律法規(guī)，對(duì)以下違法、不良信息或存在危害的行為進(jìn)行處理。
1. 違反法律法規(guī)的信息，主要表現(xiàn)為：
1)反對(duì)憲法所確定的基本原則；
2)危害國家安全，泄露國家秘密，顛覆國家政權(quán)，破壞國家統(tǒng)一，損害國家榮譽(yù)和利益；
3)侮辱、濫用英烈形象，歪曲、丑化、褻瀆、否定英雄烈士事跡和精神，以侮辱、誹謗或者其他方式侵害英雄烈士的姓名、肖像、名譽(yù)、榮譽(yù)；
4)宣揚(yáng)恐怖主義、極端主義或者煽動(dòng)實(shí)施恐怖活動(dòng)、極端主義活動(dòng)；
5)煽動(dòng)民族仇恨、民族歧視，破壞民族團(tuán)結(jié)；
6)破壞國家宗教政策，宣揚(yáng)邪教和封建迷信；
7)散布謠言，擾亂社會(huì)秩序，破壞社會(huì)穩(wěn)定；
8)宣揚(yáng)淫穢、色情、賭博、暴力、兇殺、恐怖或者教唆犯罪；
9)煽動(dòng)非法集會(huì)、結(jié)社、游行、示威、聚眾擾亂社會(huì)秩序；
10)侮辱或者誹謗他人，侵害他人名譽(yù)、隱私和其他合法權(quán)益；
11)通過網(wǎng)絡(luò)以文字、圖片、音視頻等形式，對(duì)未成年人實(shí)施侮辱、誹謗、威脅或者惡意損害未成年人形象進(jìn)行網(wǎng)絡(luò)欺凌的；
12)危害未成年人身心健康的；
13)含有法律、行政法規(guī)禁止的其他內(nèi)容；
2. 不友善：不尊重用戶及其所貢獻(xiàn)內(nèi)容的信息或行為。主要表現(xiàn)為：
1)輕蔑：貶低、輕視他人及其勞動(dòng)成果；
2)誹謗：捏造、散布虛假事實(shí)，損害他人名譽(yù)；
3)嘲諷：以比喻、夸張、侮辱性的手法對(duì)他人或其行為進(jìn)行揭露或描述，以此來激怒他人；
4)挑釁：以不友好的方式激怒他人，意圖使對(duì)方對(duì)自己的言論作出回應(yīng)，蓄意制造事端；
5)羞辱：貶低他人的能力、行為、生理或身份特征，讓對(duì)方難堪；
6)謾罵：以不文明的語言對(duì)他人進(jìn)行負(fù)面評(píng)價(jià)；
7)歧視：煽動(dòng)人群歧視、地域歧視等，針對(duì)他人的民族、種族、宗教、性取向、性別、年齡、地域、生理特征等身份或者歸類的攻擊；
8)威脅：許諾以不良的后果來迫使他人服從自己的意志；
3. 發(fā)布垃圾廣告信息：以推廣曝光為目的，發(fā)布影響用戶體驗(yàn)、擾亂本網(wǎng)站秩序的內(nèi)容，或進(jìn)行相關(guān)行為。主要表現(xiàn)為：
1)多次發(fā)布包含售賣產(chǎn)品、提供服務(wù)、宣傳推廣內(nèi)容的垃圾廣告。包括但不限于以下幾種形式：
2)單個(gè)帳號(hào)多次發(fā)布包含垃圾廣告的內(nèi)容；
3)多個(gè)廣告帳號(hào)互相配合發(fā)布、傳播包含垃圾廣告的內(nèi)容；
4)多次發(fā)布包含欺騙性外鏈的內(nèi)容，如未注明的淘寶客鏈接、跳轉(zhuǎn)網(wǎng)站等，誘騙用戶點(diǎn)擊鏈接
5)發(fā)布大量包含推廣鏈接、產(chǎn)品、品牌等內(nèi)容獲取搜索引擎中的不正當(dāng)曝光；
6)購買或出售帳號(hào)之間虛假地互動(dòng)，發(fā)布干擾網(wǎng)站秩序的推廣內(nèi)容及相關(guān)交易。
7)發(fā)布包含欺騙性的惡意營銷內(nèi)容，如通過偽造經(jīng)歷、冒充他人等方式進(jìn)行惡意營銷；
8)使用特殊符號(hào)、圖片等方式規(guī)避垃圾廣告內(nèi)容審核的廣告內(nèi)容。
4. 色情低俗信息，主要表現(xiàn)為：
1)包含自己或他人性經(jīng)驗(yàn)的細(xì)節(jié)描述或露骨的感受描述；
2)涉及色情段子、兩性笑話的低俗內(nèi)容；
3)配圖、頭圖中包含庸俗或挑逗性圖片的內(nèi)容；
4)帶有性暗示、性挑逗等易使人產(chǎn)生性聯(lián)想；
5)展現(xiàn)血腥、驚悚、殘忍等致人身心不適；
6)炒作緋聞、丑聞、劣跡等；
7)宣揚(yáng)低俗、庸俗、媚俗內(nèi)容。
5. 不實(shí)信息，主要表現(xiàn)為：
1)可能存在事實(shí)性錯(cuò)誤或者造謠等內(nèi)容；
2)存在事實(shí)夸大、偽造虛假經(jīng)歷等誤導(dǎo)他人的內(nèi)容；
3)偽造身份、冒充他人，通過頭像、用戶名等個(gè)人信息暗示自己具有特定身份，或與特定機(jī)構(gòu)或個(gè)人存在關(guān)聯(lián)。
6. 傳播封建迷信，主要表現(xiàn)為：
1)找人算命、測(cè)字、占卜、解夢(mèng)、化解厄運(yùn)、使用迷信方式治??；
2)求推薦算命看相大師；
3)針對(duì)具體風(fēng)水等問題進(jìn)行求助或咨詢；
4)問自己或他人的八字、六爻、星盤、手相、面相、五行缺失，包括通過占卜方法問婚姻、前程、運(yùn)勢(shì)，東西寵物丟了能不能找回、取名改名等；
7. 文章標(biāo)題黨，主要表現(xiàn)為：
1)以各種夸張、獵奇、不合常理的表現(xiàn)手法等行為來誘導(dǎo)用戶；
2)內(nèi)容與標(biāo)題之間存在嚴(yán)重不實(shí)或者原意扭曲；
3)使用夸張標(biāo)題，內(nèi)容與標(biāo)題嚴(yán)重不符的。
8.「飯圈」亂象行為，主要表現(xiàn)為：
1)誘導(dǎo)未成年人應(yīng)援集資、高額消費(fèi)、投票打榜
2)粉絲互撕謾罵、拉踩引戰(zhàn)、造謠攻擊、人肉搜索、侵犯隱私
3)鼓動(dòng)「飯圈」粉絲攀比炫富、奢靡享樂等行為
4)以號(hào)召粉絲、雇用網(wǎng)絡(luò)水軍、「養(yǎng)號(hào)」形式刷量控評(píng)等行為
5)通過「蹭熱點(diǎn)」、制造話題等形式干擾輿論，影響傳播秩序
9. 其他危害行為或內(nèi)容，主要表現(xiàn)為：
1)可能引發(fā)未成年人模仿不安全行為和違反社會(huì)公德行為、誘導(dǎo)未成年人不良嗜好影響未成年人身心健康的；
2)不當(dāng)評(píng)述自然災(zāi)害、重大事故等災(zāi)難的；
3)美化、粉飾侵略戰(zhàn)爭行為的；
4)法律、行政法規(guī)禁止，或可能對(duì)網(wǎng)絡(luò)生態(tài)造成不良影響的其他內(nèi)容。
二、違規(guī)處罰
本網(wǎng)站通過主動(dòng)發(fā)現(xiàn)和接受用戶舉報(bào)兩種方式收集違規(guī)行為信息。所有有意的降低內(nèi)容質(zhì)量、傷害平臺(tái)氛圍及欺凌未成年人或危害未成年人身心健康的行為都是不能容忍的。
當(dāng)一個(gè)用戶發(fā)布違規(guī)內(nèi)容時(shí)，本網(wǎng)站將依據(jù)相關(guān)用戶違規(guī)情節(jié)嚴(yán)重程度，對(duì)帳號(hào)進(jìn)行禁言 1 天、7 天、15 天直至永久禁言或封停賬號(hào)的處罰。當(dāng)涉及欺凌未成年人、危害未成年人身心健康、通過作弊手段注冊(cè)、使用帳號(hào)，或者濫用多個(gè)帳號(hào)發(fā)布違規(guī)內(nèi)容時(shí)，本網(wǎng)站將加重處罰。
三、申訴
隨著平臺(tái)管理經(jīng)驗(yàn)的不斷豐富，本網(wǎng)站出于維護(hù)本網(wǎng)站氛圍和秩序的目的，將不斷完善本公約。
如果本網(wǎng)站用戶對(duì)本網(wǎng)站基于本公約規(guī)定做出的處理有異議，可以通過「建議反饋」功能向本網(wǎng)站進(jìn)行反饋。
(規(guī)則的最終解釋權(quán)歸屬本網(wǎng)站所有)