外媒抢先实测Sora，视频大翻车惨不忍睹？不懂物理/动物变形/速度巨慢，但初创公司已经创死一片

摘要：【新智元导读】Sora颠覆影视业，现在来看还远。Bloomberg记者亲自试用后发现，Sora生成的视频还是翻车严重。而且，它的速度太太太太慢了!不过尽管如此，OpenAI已经创死了一片初创公司。虽然功能还未正式开放，但已经..

【新智元导读】Sora颠覆影视业，现在来看还远。Bloomberg记者亲自试用后发现，Sora生成的视频还是翻车严重。而且，它的速度太太太太慢了!不过尽管如此，OpenAI已经创死了一片初创公司。

虽然功能还未正式开放，但已经有外媒抢先上手体验了!

结果就是——Sora翻车了!

最近，就在外界对Sora一片赞誉声之时，一些冷静的外媒，也开始发出了质疑的声音。

Bloomberg认为:Sora的确令人印象深刻，但它尚未准备好迎接未来的黄金时段。

原因就在于，Sora现在对于身体部位的理解和物理学的复杂原理还无法完全掌握，并且，它处理请求的时间，实在是太长了!

用作者Peebles的话来说就是，Sora的速度太慢了，你可以在等待视频生成时去吃点零食。

因为Sora至今仍在红队测试中，还无法直接访问。只有被选中的艺术家、电影制作人和设计师才能获得访问系统的权限。

为了一睹传说中视频王炸模型的真正实力，Bloomberg的记者给OpenAI的研究者发去了这样一段prompt——

「An overhead view of a parrot flying through a verdant Costa Rica jungle， then landing on a tree branch to eat a piece of fruit with a group of monkeys. Golden hour，35mm film.」

大意是:一只绚丽多彩的鹦鹉在哥斯达黎加的繁茂丛林中翱翔，最终停落在一枝树干上，与一群猴子分享一块甘甜的水果。正值一天中最为美妙的黄金时段，阳光透过树冠，照在叶片和猴子洁白的毛发上，闪烁着金色的光芒。

Sora生成的视频是这样的。

看上去还不错，对不对?

然而如果仔细看，就会发现不少问题。

比如，鹦鹉的翅膀在飞过猴子时会发生扭曲。

prompt里只要求一只鹦鹉，Sora却生成了好几只。

此外，水果本身，以及上面变换莫测的爪子，都透出一股诡异的气息……

最好笑的是，不仅其中一只鹦鹉像是「挂了」似的脖子突然一歪，而且旁边的猴子也秒变「不明生物」长出了一条鹦鹉尾巴。

对此，Sora作者、OpenAI科学家Bill Peebles是这样解释的:「的确，现在Sora在某个片段的不同阶段会出现一些奇怪的动作。但是，Sora能够对这种复杂程度的场景进行建模，已经表明了它的视频生成能力有了质的飞跃。」

Sora什么时候来?不急

具体哪一天能用上Sora呢，我们已知的是，至少目前还遥遥无期。

OpenAI发言人Natalie Summers 表示，OpenAI没有设定发布Sora的时间表，因为希望能降低它和选举相关的安全风险。

毕竟，AI Deepfake已经多次有黑名单记录，如果正值此时发布新的AI视频工具，会让OpenAI显得很可疑。

且不管安全问题，Sora在准备好进入黄金时段之前，仍然有很长的路要走。

OpenAI自己也在技术报告中承认，Sora对身体部位的杂散问题和对物理学的混合理解，仍有很大的进步空间。

当然，这个问题也不是只有Sora才会遇到。它是Runway、Pika等AI视频所共同面临的问题。

Runway生成的威尔史密斯吃面

而且，对于每个视频，Sora都需要消耗更多的算力，也需要等待更长的时间。

这个时间，可不是像DALL-E3生成单个图像那么简单。

Sora处理每个请求的时间究竟是多长呢?

OpenAI没有明确回复，但Peebles表示，它「绝对不是即时的」，因为「你可以在等待模型运行的时候，去吃点零食。」

这个过程可能非常漫长，因为Bloomberg记者给了OpenAI四个prompt，但他们只给了两个视频，另外两个实在是没时间做了。

商标注册信息，暴露Sora真实能力:难怪会狙击Gemini1.5Pro

就在最近，OpenAI申请的Sora商标注册描述也曝光了!

其中对Sora能力的介绍如下——

生成视频和图像;

基于自然语言提示、视觉提示、文本、语音创建、生成和编辑视频和图像;

视频和图像识别、处理、分析、理解和生成;

编辑、组织、修改、传输、上传、下载和分享视频、图像和音视频材料;

创建和生成文本到视频以及文本到图像的内容。

文件曝光后，让AI研究者们更吃惊了!

所以，Sora不仅可以生成视频，还对视频和图像有理解能力?

谷歌的Gemini1.5Pro可以分析1小时的视频，而Sora也具有类似能力，真的可以说是降维打击了。

大家后知后觉地明白过来:Gemini1.5Pro发布后不久，OpenAI就拿出Sora来狙击，看来还真是不无道理。

现在从OpenAI的模型推出计划来看，Sora目前应该是处于「评估和迭代开发」阶段。

下一步将是分阶段推出阶段，包括私人测试版、测试用例和进一步的安全测试。

搓搓手，目测一年内应该能等到。

Sora新演示来了!

与此同时，TikTok上，OpenAI的账户一夜爆火，几天内涨粉18万，收获接近100万赞。

而最近，Sora的TikTok账号上还在不断放出新视频。

比如这个一厨房的厨师和厨具的视频，就是Sora根据DALL-E3生成的图像生成的视频。

首先，DALL-E3生成了这样一幅静图。

然后，Sora根据这幅静图，生成了下面这段视频。

在评论区，有人留言表示，想看看Sora创作出从来不存在的生物。

现在，Sora也来交卷了。根据Prompt「创造一个从未存在过的逼真动物，自然纪录片风格」，它生成的视频是这样的——

来源:小互

乍一看怎么像是帕鲁们来到3次元。（手动狗头）

OpenAI创死所有初创公司，投资人大喜:还好我没投

最近，所有VC的会上都在谈Sora。

OpenAI的每一次技术突破，都拓展了资本圈对AI的想象空间。代价就是，大多创业公司的路，也被堵死了。

半个月前，Sam Altman发布AI技术Sora制作的超逼真电影视频时，所有人都意识到，无论是科技行业还是好莱坞，都敲响了警钟。

外媒The Information发现，自己长期跟进的至少七家开发AI视频生成器的公司，已经感到了恐惧。

同时感到恐惧的，还有给他们投了超过5.5亿美元的投资人。

在Sora视频在全网引发狂潮后，一位投资人私下表示:太幸运了，最近一家热门AI视频初创公司的一轮融资，还好自己错过了。

而另一位资助了AI视频初创公司的投资人表示，让自己感到欣慰的是，如果真的发生了这种情况，或许这家初创公司强大的领导者，会使其成为一个很好的收购目标。

Sora的视频亮点，就在于它在模拟现实世界的物理原理，尽管并不完美。

但是AI视频如此神速的进步速度令人震惊，也让人不得不相信:它很快就能制作出成熟的电影了。

风险资本家马特·图尔克在X上的一篇帖子中半开玩笑地说，或许到2025年，我们就可以让Sora拍一集今晚就要播出的《毒枭》，要求布拉德·皮特、野兽先生和特拉维斯·凯尔斯主演。

全世界看向Runway

Altman扔出Sora这个王炸后，所有目光都集中在了Runway上。

此前，在AI视频领域，Runway可以算得上是领头羊之一。

它的产品中添加了AI功能，甚至包括从头开始创建视频拆条的能力。

Runway的AI视频生成器，使用了Runway自己开发的潜在扩散模型，因此市场认为这家小型初创公司有可能会迎头赶上，也不无道理。

当然，现阶段的Runway视频，还无法和Sora对打。

因为分辨率太低，它们会不由得让人产生恐怖谷效应。

另一处鲜明的对比是，Runway用户一次最多只能生成16秒的视频，而Sora却能做出一分钟的长视频。

Runway CEO Cristóbal Valenzuela表示:视频模型代表了创意产业未来的一些最重要的技术，所以思考这个问题的人越多越好……还有很长的路要走。

其他竞争对手的发展，也不容小觑，比如Meta、Stable Diffusion、Pika等，最近都推出了类似的AI视频产品。

以AI生成图像闻名的AI初创公司Midjourney，现在也在准备自己的视频产品。

大家共同的问题:如何盈利?

AI视频，会成为摇钱树吗?

一个大问题是，AI视频是否会像AI生图一样发展呢?

或许它会是一项令人印象深刻的壮举，但不一定是摇钱树。

只有Midjourney是例外，它获得了超过2亿美元的收入。

但其他的AI图像生成器，甚至包括OpenAI的DALL-E3，其实并没有赚多少钱。

Meta虽然拥有蓬勃发展的广告业务，但并没有试图这样做。

Sora的其他竞争对手，Pika、Stable Diffusion等等，也都没有这样做。

行业巨震，初创公司何去何从

对于AI视频初创公司来说，好消息是，OpenAI不太可能让人免费使用Sora。部分原因是，运营这项技术的成本很高。

这也就意味着，其他公司可以对自己的产品收费。

现在，它们还有机会!因为Sora在几个月内，可能都不会开放使用。

还有一个未解之谜，Sora的训练数据究竟是来自哪里的呢?

有一些行业观察人士（如Meta的AI领导者之一Soumith Chintala）推测，其中就有游戏引擎生成的合成数据。

游戏引擎可以渲染视觉效果，以前这个功能主要用于开发视频游戏。

现在，如果OpenAI能使用合成数据的话，这可能就意味着YouTube、好莱坞电影库之类的专有数据集，对于开发AI视频模型的重要性不如大多数研究者此前认为的那么重要。

这也就意味着:如果AI开发者能生成良好的合成数据，也就可以赚钱了。

往远了看，如今AI已经把人类的文本都学完了，下一步就是视频。如果视频素材也学完了，该怎么办?

有人说，那时就可以给大模型装上摄像头，因为人类世界每天需要学习的东西可太多了。

Sam Altman张口要7万亿美元，或许是OpenAI真的研究出了了不得的东西，比如即将成形的AGI。

算力、数据，手握这些资源的，就会得到第一个AGI。