周鴻祎又口出狂言了,。

他說,，“AGI（通用人工智能）的實現(xiàn)將從10年縮短到1年”，而背后的原因,，僅僅是因為一個1分鐘的短視頻,。

注意看，這個女人叫小美,，她正向我們走來,。雖然身處日本某條熱鬧的大街，小美卻總是不停地回頭張望,，似乎在暗示觀眾鏡頭之外隱藏了不為人知的秘密,。

▲圖：主角出場

鏡頭拉近，可以清晰看到小美修長的脖子和優(yōu)美的下頜線,，讓整個畫面充滿了令人無法抗拒的神秘和美感,。

▲圖：細節(jié)展示

實際上，整個短視頻中,，從街景到行人,，包括小美，在現(xiàn)實中根本不存在,。這是OpenAI最新產(chǎn)品Sora制作的演示視頻,，而正是這個視頻，讓周鴻祎做出了AGI發(fā)展將會10倍提速的預言,。

傳統(tǒng)方式制作這樣一段1分鐘的視頻成本非常高,。除了需要選址，選演員,，提前進行分鏡構(gòu)圖,，架設(shè)機位外等，想要碰上如此理想的天氣,，還需要賭一賭運氣,。落日轉(zhuǎn)瞬即逝,，一旦失誤就只能第二天重頭來過。

拍攝完成后,，是非常耗時的后期制作,。不僅要調(diào)整畫面色調(diào),，還要仔細核對畫面中是否有瑕疵,，比如眼鏡反射的畫面會不會導致穿幫、路人中是否出現(xiàn)不協(xié)調(diào)元素等等,。

但Sora出馬,，全部流程就是（字面意義上的）一句話的事。

Sora官網(wǎng)上公布了十幾段“制作”精良的高清演示短片,， 從現(xiàn)實人物到3D動畫,，所有短片都是通過一句話生成的。

▲圖：Sora展示視頻

看過這些短片后,，我科技圈的朋友集體表示“炸裂”,；大眾圈的朋友表示“AI都到了這種程度了嗎”；而攝影圈的朋友表示,，盡管還是能看出和人類攝影師有一點點差距,，但依然被Sora的效果震撼了，進而紛紛開始和我討論起失業(yè)以后,，除了送外賣還可以從事什么工作,。

但如果我們拋開網(wǎng)上鋪天蓋地、對Sora近乎玄幻的贊譽,，跳出官網(wǎng)演示視頻的魅惑就會發(fā)現(xiàn),，Sora本質(zhì)上是生成式AI在視頻領(lǐng)域的一個應(yīng)用，一個diffusion transformer模型,。

而官方宣傳的Sora所有功能,，例如通過文字或者圖片生成高清短視頻，在此基礎(chǔ)上進行擴展生成一段更長的視頻等,，其實很多公司都在做,。比較知名的產(chǎn)品包括已經(jīng)商用的Runway，免費的Pika,，以及還在完善階段的Google Lumiere,、Meta Make-A-Video，還有一些知名度稍低的產(chǎn)品如Leonardo,，F(xiàn)inalFrame等等,。

這里就有一個很大的疑問：憑什么出圈的又是Sora，它真有網(wǎng)上說的那么神嗎,？

1,、憑借更逼真的效果,，OpenAI再次出圈

1月24日，谷歌研究人員公布了一段Lumiere的演示視頻,。畫質(zhì)非常高清,，且真實。

▲圖：由Lumiere生成的游泳海龜視頻

Lumiere除了可以生成真實圖片外,，還可以實現(xiàn)一鍵換裝,、根據(jù)圖片和提示詞生成動態(tài)視頻等功能。

▲圖：一鍵換裝

▲圖：通過圖片生成視頻

2月15日,，剛剛過完情人節(jié)的谷歌在瘋狂星期四又重磅推出了下一代AI產(chǎn)品Gemini 1.5,。在此前的演示視頻中，Gemini已經(jīng)展現(xiàn)了其在圖像識別和多輪對話中的逆天能力,。

演示視頻中,，演示人員畫了一個類似鴨子的輪廓讓Gemini辨認，Gemini表示它覺得像個鳥,。

▲圖：Gemini演示

但是當演示人員畫上了波浪后,，Gemini表示通過長脖子長嘴又會游泳這幾個依據(jù)，判斷這是只鴨子,。

▲圖：Gemini演示

隨后演示人員拿了個玩具小鴨子問Gemini這個東西是什么材質(zhì)做的,，Gemini表示看起來可能是橡膠也可能是塑料。而當演示人員捏響橡膠鴨子后,，Gemini立刻判斷出是用柔軟的橡膠做成的,。

▲圖：Gemini演示

就在圈內(nèi)很多人認為谷歌將要憑借Lumiere和Gemini拿下今年頭條的時候，OpenAI僅僅用Sora就輕松獲得了更高的關(guān)注度,。

Sora這個詞很有意思,，它在韓語中表示海螺殼，在日語中表示天空,，在芬蘭語中表示砂礫,。這就很難不讓人想到《海底兩萬里》的鸚鵡螺號，《沙丘》,，以及“我們的目標是星辰大海”的豪情壯志,。

而且Sora是一個比較常見的名字，比Lumiere（法語,，光）更短,、更好讀,。

和GPT當年的故事如出一轍,，Sora也是踩著競爭對手以碾壓式的優(yōu)勢勝出,。相比同類產(chǎn)品,，Sora能抓住提示詞的精髓，巧妙地生成具有多個角色和特定動作的場景,。

有人做過對比,，使用同樣的提示詞，讓AI生成一個在花園里,、似乎正在追逐什么東西,、快樂奔跑的黃白相間的貓,，最終結(jié)果的差距十分明顯,。

▲圖：不同AI產(chǎn)品的效果對比

上面由Sora生成的視頻看起來非常真實，甚至在奔跑時候,，貓腮幫子上的毛都會隨著腦袋起伏,。而下面通過Pika, Runway, Leonardo, FinalFrame生成的視頻，貓不僅看起來不像真的,，連動作都很詭異。

在生成的視頻時長上,，Sora也碾壓友商,。Sora可以生成1分鐘的視頻，相對的,，Pika是3秒,，Runway是4秒，Lumiere是5秒,。

最重要的是,，Sora有望解決一個生成式AI的痛點，那就是同樣的提示詞通常不會生成同樣的結(jié)果,，例如“黃白相間的貓”這個提示詞，不同的視頻里會出現(xiàn)不同模樣的黃白相間的貓,。導致的結(jié)果，就是無法通過拼接來創(chuàng)作更長的視頻,。

盡管Sora一出道就秀出了遠超同行的肌肉,，但Sora并沒有選擇像Pika、Runway一樣,，開放給大眾使用,，而是采取了Google,、Meta類似的保守策略，先官宣來吊足大家胃口,，然后慢慢內(nèi)測,，等待一個合適的時機,，再向大眾開放。

因為,，有很多關(guān)鍵問題,，大家都沒有找到好的解決方案。

2,、AI一調(diào)皮,，人類就頭疼

生成式AI天生就有一個“不按物理定律出牌”的老毛病，即便是看起來已經(jīng)非常接近真實世界的Sora也不例外,。這個問題過于明顯,，以至于OpenAI都懶得去遮掩，干脆自己先大方的說了出來,。

從內(nèi)測用戶流出的視頻可以發(fā)現(xiàn),，Sora無視物理法則隨意發(fā)揮的意愿十分高漲，而這種意愿在“必須還原物理世界”的規(guī)則約束下,，很容易生成像人類做夢一樣的場景,。有過做夢經(jīng)歷的朋友應(yīng)該會這樣的體會：明明夢是虛幻的,，但在夢里你的感受又很“真實”,。

下面就是個很典型的例子,。

▲圖：Sora的夢境物理

注意看,，視頻中的這個杯子莫名其妙的跳了起來并側(cè)翻在桌面上，杯中的液體在杯子跳起來的一瞬間穿透了杯底鋪滿桌面,，而最終杯子連同里面剩余的液體一起,，融進了桌面。

▲圖：融進桌面的杯子

這樣的視頻顯然無法應(yīng)用在正式的場合,，大概率只能出現(xiàn)在B站的鬼畜區(qū),，告訴你一個學了3年動畫的人,，是如何因為一個畢業(yè)作品被老師轟出門外的故事。

此外,，Sora對算力有很高的要求,。下面這個視頻演示了低算力和高算力之間的差距能有多可怕。

▲圖：算力差距

而想要高算力,，就得花更多的錢,。

以Runway為例,，個人版收費模式分3檔,，標準版為每月15美元，可以制作一個125秒的Gen-1視頻,，或者44秒的Gen-2視頻,，相當于每秒1-2.4元人民幣,，超出部分需要額外付費,。Pro版每月35美元,，至尊版每月95美元,。而用戶如果希望加快視頻的產(chǎn)出效率,，也需要額外購買“時間”,。

3,、能力越大,，危險越大

生成式AI在社會層面有幾個老生常談的問題,。

首先就是造假問題。AI生成的視頻越真實,，造假就越容易。最直接的解決辦法是將AI生成的內(nèi)容打上一個特殊的標簽,，以便于平臺將其和人工拍攝的視頻進行區(qū)分,，OpenAI和Google的確也在做這件事。

但水印的問題在于,，它可以在分享的過程中會被人惡意抹除,。例如通過截圖、錄屏的方式獲得視頻副本,，不會帶有任何水印,。

其次是版權(quán)問題,。版權(quán)問題比造假更加復雜，它既是一個形而上的宏大概念,，又和每一個創(chuàng)作者的個人利益息息相關(guān),。目前對版權(quán)的爭論主要集中在AI和人類對齊的過程中，比如,，AI通過學習別的藝術(shù)家的風格在此基礎(chǔ)上進行的創(chuàng)作,，和人類以同樣方式進行的創(chuàng)作，本質(zhì)上有沒有區(qū)別,？

而更直白的問題則是,，AI到底是來幫我賺錢的，還是來跟我搶錢呢,？

這些問題一個比一個難解決，也就意味著Sora們至少在短時間內(nèi)不會向公眾開放,。從某種角度來看,，這或許對于視頻制作者是一個好消息,，至少有了更多的緩沖時間,，來思考如何應(yīng)對接下來Sora們帶來的沖擊。

無論如何,，Sora們向公眾開放,，只是時間問題，至于會不會像周鴻祎預言的那么快,，可能還存在疑問,。但有一點毫無疑問：

那時候的Sora們，將比現(xiàn)在更加強大,。

作者｜吳狄

編輯｜胡展嘉

運營｜陳佳慧

出品｜零態(tài)LT（LingTai_LT）