Sora炸裂科技圈：真神还是焦虑制造机 _Sora

文章插图
作者｜吴狄
出品｜零态LT（LingTAI_LT）
周鸿祎又口出狂言了。
他说，“AGI（通用人工智能）的实现将从10年缩短到1年” ，而背后的原因，仅仅是因为一个1分钟的短视频。
注意看，这个女人叫小美，她正向我们走来。虽然身处日本某条热闹的大街，小美却总是不停地回头张望，似乎在暗示观众镜头之外隐藏了不为人知的秘密。

文章插图
▲图：主角出场
镜头拉近，可以清晰看到小美修长的脖子和优美的下颌线，让整个画面充满了令人无法抗拒的神秘和美感。

文章插图
▲图：细节展示
实际上，整个短视频中，从街景到行人，包括小美，在现实中根本不存在。这是OpenAI最新产品Sora制作的演示视频，而正是这个视频，让周鸿祎做出了AGI发展将会10倍提速的预言。
传统方式制作这样一段1分钟的视频成本非常高。除了需要选址，选演员，提前进行分镜构图，架设机位外等，想要碰上如此理想的天气，还需要赌一赌运气。落日转瞬即逝，一旦失误就只能第二天重头来过。
拍摄完成后，是非常耗时的后期制作。不仅要调整画面色调，还要仔细核对画面中是否有瑕疵，比如眼镜反射的画面会不会导致穿帮、路人中是否出现不协调元素等等。
但Sora出马，全部流程就是（字面意义上的）一句话的事。
Sora官网上公布了十几段“制作”精良的高清演示短片，从现实人物到3D动画，所有短片都是通过一句话生成的。

文章插图
▲图：Sora展示视频
看过这些短片后，我科技圈的朋友集体表示“炸裂”；大众圈的朋友表示“AI都到了这种程度了吗”；而摄影圈的朋友表示，尽管还是能看出和人类摄影师有一点点差距，但依然被Sora的效果震撼了，进而纷纷开始和我讨论起失业以后，除了送外卖还可以从事什么工作。
但如果我们抛开网上铺天盖地、对Sora近乎玄幻的赞誉，跳出官网演示视频的魅惑就会发现，Sora本质上是生成式AI在视频领域的一个应用，一个diffusion transformer模型。
而官方宣传的Sora所有功能，例如通过文字或者图片生成高清短视频，在此基础上进行扩展生成一段更长的视频等，其实很多公司都在做。比较知名的产品包括已经商用的Runway，免费的Pika，以及还在完善阶段的google Lumiere、Meta Make-A-Video，还有一些知名度稍低的产品如Leonardo，FinalFrame等等。
这里就有一个很大的疑问：凭什么出圈的又是Sora，它真有网上说的那么神吗？
凭借更逼真的效果
OpenAI再次出圈
1月24日，谷歌研究人员公布了一段Lumiere的演示视频。画质非常高清，且真实。

文章插图
▲图：由Lumiere生成的游泳海龟视频
Lumiere除了可以生成真实图片外，还可以实现一键换装、根据图片和提示词生成动态视频等功能。

文章插图
▲图：一键换装

文章插图
▲图：通过图片生成视频
2月15日，刚刚过完情人节的谷歌在疯狂星期四又重磅推出了下一代AI产品Gemini 1.5 。在此前的演示视频中， Gemini已经展现了其在图像识别和多轮对话中的逆天能力。
演示视频中，演示人员画了一个类似鸭子的轮廓让Gemini辨认， Gemini表示它觉得像个鸟。