定档年内发布！OpenAI CTO披露Sora细节，拟支持生成音频、视频编辑功能

作者：格隆汇发布时间：2024-03-14

OpenAI Sora

OpenAI似乎已经在为Sora降世预热了。

日前，OpenAI 公司首席技术官 Mira Murati 接受媒体视频专访，访谈围绕着Sora的项目展开，当被问及Sora何时面向公众推出时，Murati回答：“我想肯定是在今年，但可能是几个月后。”

Murati还透露，OpenAI将在Sora中支持配备音效，并允许用户编辑Sora生成的视频内容。此前Sora的测试资格只开放给了视觉艺术家、设计师和电影制作人。

以下是一些采访关键信息：

1、Sora发布时间：

Sora将于“今年”面市，而且“可能还有几个月”。目前还在打磨，外部测试资格主要发给了电影行业的创作人；

2、技术性能：

和传闻中生成视频需要数个小时的说法不同，目前生成一段20秒720p分辨率的视频耗时几分钟，并且尚未集成音频，但公司计划在未来添加声音

Sora能够根据用户输入的文字描述生成流畅、高度逼真的视频内容，具备良好的连续性，但并非完美无瑕，文生视频的最大问题有两个，一个是抽卡结果不可预知，可控性不佳，另一个是画面连续性依然存在疏漏，只不过Sora比其他同类产品做得相对更好而已

3、安全性与透明度：

至于对于“现实不存在”的恐惧，即人们将难以区分真实与AI内容，Murati回答这正是OpenAI还未部署Sora的原因。

目前，Sora生成的视频都会打上水印，但这似乎还不够好。Murati透露，Sora的视频将包含元数据来表明来源。OpenAI也用安全人员测试Sora，试图引出漏洞、偏见及其他有害结果。

4、使用政策与限制：

穆拉蒂表示，OpenAI目前还没有明确决定Sora可以生成的视频范畴，但Sora的提示政策预计将借鉴文生图模型DALL-E的做法，比如不会生成政治人物的形象。

当主持人问及涉及敏感话题的提示，如“东欧城镇中行走的士兵”或涉及裸露的内容时，Murati表示不确定，艺术家可能会希望有一些可以调控的创作选项，目前OpenAI正在与不同领域的艺术家和创作者合作，试图搞清楚Sora应该提供什么水平的灵活度。

5、与人力的关系：

针对Sora可能对视频制作职业造成的影响，Murati强调了OpenAI推行该技术的慎重和渐进式方法，允许视频制作行业的工作人员提前试用并提供反馈，以便共同塑造其发展方向，已经有好莱坞的动画工作室在使用Sora之后停掉了扩建计划，认为这项技术可以节省巨大的制作成本

6、计算成本与优化：

Sora的运行成本“要高得多”。OpenAI正在尝试使这个工具在公开发布时的成本与公司的AI文本到图片模型DALL-E“相似”。

7、技术原理与训练数据：

Sora采用扩散模型技术，通过分析大量视频资料学习识别物体和动作，根据文字提示构思场景并逐帧生成视频。

在被问及 Sora 使用的训练数据时，Murati 的态度则有些躲闪。OpenAI 最近面临版权侵权诉讼，指控该AI公司在未经许可的情况下抓取内容来训练 ChatGPT。

她先是宣称，据她所知除了“公开可用的数据及许可数据”之外，应该没有使用其他数据来训练 AI。但 Murati 也承认，她并不确定有训练期间有没有使用过来自 YouTube、Facebook 或者 Instagram 的视频素材。同时她坦言，确实有使用 Shutterstock的媒体内容进行训练。（Shutterstock 与 OpenAI 之间属于合作伙伴关系，也许这就是 Murati 愿意确认这一素材来源的理由。）

对于训练数据的来源问题，OpenAI保持谨慎在意料之中。

8、比较与竞争：

当与另一款AI视频生成工具Runway对比时，Sora基于同样的文本提示生成的视频在视觉质量、细节表现等方面明显优于Runway，这在一定程度上得益于OpenAI的庞大计算能力和广泛的训练数据集

9、伦理考量与行业影响：

尽管Sora展现了显著的优势，但OpenAI在推广过程中非常重视伦理问题，密切关注新技术对传统视频制作行业可能带来的冲击，同时认识到人类在艺术决策等方面的不可替代性。

作为OpenAI最重要的高管之一，穆拉蒂的话自有其分量。

而就在前几天，Sora的三位核心团队成员也出现在科技播客WVFRM中，接受了专访。

不过有网友吐槽，看了下原视频，并没有透露什么新的信息，约等于什么都没说，场面神似发改委马科长讲话，就像镜头外有一个律师拿着枪对着这帮人。

而现在看来，OpenAI似乎在一点点释放更多信息，或许已经在为Sora降世预热了。