昨天OpenAI发布了Sora，其热度引起了广泛关注。每当其生成的视频发布，便迅速走红网络。
学术界对此反响强烈，众多知名学者开始公开讨论。
纽约大学的助理教授，ResNeXt的主要作者，谢赛宁，直言Sora将彻底改变视频生成技术。
英伟达的高级研究科学家，Jim Fan，激动地表示这是视频生成技术的GPT-3时代。
尤其在技术报告发布后，讨论愈加激烈。由于报告中很多细节未明确说明，学界只能进行推测。
包括推测"Sora是基于数据驱动的物理引擎"，以及"Sora建立于DiT模型之上，参数量可能仅为30亿"等。
因此，Sora的成功和其对视频生成领域的贡献成为热议话题，社区很快提出了一些可能的解释。
视频生成领域的里程碑
Sora是一个经过不同时长、分辨率和宽高比的视频及图像训练的扩散模型，采用了Transformer架构，实质上是一种“扩散型Transformer”。
官方的技术报告概述了以下几个关键点：
- 视觉数据的创新性转换，Sora使用“Patches（补片）”来统一视觉数据的不同表现形式，通过压缩视频到低维潜空间并将其分解为时空补片来实现。
- 视频压缩网络的训练，该网络降低视觉数据的维度，完成了Sora的训练基础。OpenAI同时训练了一个专用解码器。
- 时空补片技术的应用，使得Sora能够训练并生成不同分辨率、时长和宽高比的视频和图像。
- 发现扩展Transformer也适用于视频生成，随着训练资源的增加，视频样本质量显著提升。
- 视频多样性的实现，Sora优化了视频的构图和布局，避免了常见模型的盲目裁剪，能够捕捉完整场景。
- 语言理解能力的增强，OpenAI采用了DALL·E 3的重新标注技术，通过GPT将用户的简短提示转换为详细说明。
技术报告虽然未能详尽解释所有核心问题，但Sora的效果展示，包括文转视频、视频转视频以及图片生成等，已充分展示了其强大能力，引起了广泛的猜测和讨论。
互联网业界大佬对Sora的看法
当被询问对 Sora 的看法时，一位观察者提出了几点见解，概括地说，他们认为人工通用智能（AGI）的实现即将到来，预计在未来几年内实现：
首先，技术竞争的核心在于增加人才密集度和深化技术积累。很多评论者指出，Sora 在性能上显著超过了 Pika 和 Runway，这一现象很常见。与初创团队相比，拥有核心技术的公司如 OpenAI 的实力显得尤为强大。有观点认为，借助 AI，初创公司仅需维持小规模运作，但最近的发展再次证明这种看法极为短视。
其次，AI 不一定立即颠覆所有行业，但它能够促进更广泛的创意表达。对于 Sora 对影视行业的影响，有人担忧其可能的负面效果，但观点持有者认为这种担忧是不必要的。尽管机器能够制作高质量视频，但视频的主题、剧本编写、镜头规划及对话搭配仍旧需要人类的创意，至少要有人提供创意提示。视频或电影由众多短片段构成。Sora 可能对广告、预告片和短视频产业造成重大影响，但不太可能迅速超越 TikTok，反而可能成为 TikTok 的一种创作工具。
第三，国内大模型的发展虽表面看似已接近 GPT-3.5 水平，但与 GPT-4 实际上还有一年半的差距。信赖 OpenAI 或许还隐藏着更多未公开的技术，无论是 GPT-5 还是机器的自我学习能力，都包含在内。OpenAI 以其营销策略著称，懂得如何把握发布节奏，而其手中的技术并未全部展现。这表明中国在 AI 领域与美国的差距可能正在扩大。
第四，大语言模型的突出之处不在于简单填空，而是其能够全面理解世界知识。许多人技术和体验层面分析 Sora，强调其产出的视频能保持多镜头一致性，仿真自然世界和物理规则，但这些只是表面现象。Sora 的技术途径完全不同，它不仅仅是用 Diffusion 技术制作视频，而是结合大模型的优势，实现了对现实世界的深刻理解和模拟，这才是关键所在。
最后，训练此模型的过程中，OpenAI 阅读了大量的视频内容，结合大模型和 Diffusion 技术进一步了解世界。一旦人工智能能够通过摄像头观察世界，其对世界的理解将大大超越纯文本学习，进而加速向 AGI 的进展，这一进步预计不会需要十年二十年，而是可能在短短几年内实现。
本文链接：https://lipu365.com/gpt4_gpt5_61.html
chatgpt4实测chatgptplus费用gpt4.0chatgpt4怎么升级如何访问chatgpt4chatgpt4.0付费测试chatgpt4.0官方下载chatgpt只允许会员登录了吗chatgpt会员限制使用次数吗chatgpt开通会员有啥优势
