ICCI NEWS-前沿动态 |AI逆天进化！视频自己跟拍运镜，光影堪比王家卫！

转载自：英国那些事儿公众号（侵权必删）

去年四月，纽约一家名为Runway AI的公司推出了一项技术，让人只需在屏幕上输入一个句子就可以生成视频。

当然彼时的效果仍不尽如人意，一眼就能看出是AI。

没想到仅仅过去10个月，类似的技术就已经来到了全新的高度。

AI，又进化了。

今天OpenAI官宣了新产品Sora，号称可以生成“最长60秒的视频，其中包括高度丰富的场景、复杂的运镜、感情鲜活的多个人物”。

从目前OpenAI给出的演示视频看，这宣传词还真没多夸张......

1.“大雪天，美丽、繁华的东京。镜头越过繁华的街景，跟随至几个人，他们享受着美丽的雪景，在附近的商摊购物。漂亮的樱花瓣和着雪随风飘落。”

细看仍然能看出一些问题：人体比例过于细长、两位主人物走的是个死胡同、有些樱花没有树枝飘在天上......

但讲实话，这都是看第二遍之后才能发现的细节。第一眼看上去已经相当可信了。

估计再优化优化，就已经可以给那些不会画画的导演做分镜用了......

2.“几头巨型长毛猛犸踏着积雪的草地走向镜头，随着踏步，它们身上的长毛在微风中飘扬。远处是白雪覆盖的树木和壮观的雪山。”

“午后的光线伴随着几缕云和远处高悬的太阳，发出温暖的光晕。较低的机位、优美的摄影和景深，捕捉到了这群巨大且毛茸茸的哺乳动物。”

这个除了“AI味儿”比较明显之外甚至挑不出什么毛病。

3.“一位时尚女子走在东京街头，道上到处都是暖色的霓虹和动态的城市标志。她身穿黑色皮夹克、红色长裙、黑色靴子，手拿黑色皮毛，戴太阳镜，涂红色唇膏。”

“她走得自信而随意。街道潮湿，反射出五颜六色的灯。镜头里还有许多行人走来走去。”

这可能是最震撼的一个，时长来到了一分钟，证明宣传语所言非虚。

配上一段小提琴，再加个红红黄黄的滤镜，旁白再来段什么“某年某月某日，东京。街头很冻，霓虹一直在闪，好似永远不会熄灭.......”

直接王家卫了。

这一分钟能找到的最大瑕疵在15~16秒处，人物左右脚突然交换了，但瑕不掩瑜。它很轻松就解决了“拍镜面怎么能不拍出摄影机”这一千古难题。

4.“一段电影预告片。讲述一位30岁太空人的冒险故事，他头戴红色羊毛织成的摩托车头盔。头顶蓝天，脚下盐碱沙漠，影院风格，以35mm胶片拍摄，色彩鲜艳。”

这一段是OpenAI故意整活，设计了一个针织帽头盔，搞得很出戏。但这段真的挺牛的，你甚至能看出一些镜头语言.......

一开始的越肩接怼脸特写用来介绍主角，飞船内外交替呈现，后面越切越快传达紧张感——它都会蒙太奇了......

最离谱的是提示词只给了故事梗概、风格上的限定，上面这些拍摄手法全是它自己“悟”出来的，太科幻了.......

5.“一个渲染得很华丽的珊瑚礁+纸艺的世界，到处都是五颜六色的鱼和海洋生物。”

6.“一段动画场景，一个矮小、毛茸茸的怪物跪在一根融化的红烛旁，近景。”

“画面应该是3D写实风，重点在灯光和材质上。情绪基调是好奇、奇妙，小怪物要张大眼睛和嘴巴，凝视着蜡烛的火焰。”

“它的姿势要传达出一种天真和俏皮的感觉，好像是第一次探索周围的世界。暖色调和夸张灯光的使用，进一步加强了画面的舒适温馨感。”

5和6一样，都是非写实风，感觉纯是OpenAI在秀肌肉，告诉人们“Sora不光能生成真实画面，还能做动画”。

也是，反正对于AI来说写实和动画没啥区别，反正都是从0开始生成的.......

以上就是OpenAI在推特上公布的6个演示视频，但他们官网上还有更多，篇幅所限就不再一一列举，感兴趣的话也可以自己去搜搜看。

其实除了开头提过的Runway AI之外，谷歌、Meta这两个大公司也尝试过“文本转视频”技术，但效果没有一个能接近Sora的。

其他公司的技术都只能生成大概十几秒，只有Sora能达到一分钟。

另外，Sora是一次性生成整个视频，而不是一帧一帧的生成。

这很大程度上保证了画面的连贯性，也就是说一个东西暂时出画面了，再回到画面来，还是同一个东西，而不是像下面这样连续变化，变着变着就诡异得没法看了：

据OpenAI的工程师说，Sora这个名字来源于日语的“天空”，寓意差不多是“创造力突破天际”，现在看来，他们的期望多半要成真了。

目前Sora还是个测试版，可用性已经肉眼可见，天知道正式版会强成什么样.......

今天外网已经炸了，诸多媒体都已经报道了此事，“OpenAI”和“Sora”也已经登上了推特热搜：

但由于近一两年AI造成的各种骚乱：模仿声音诈骗、无成本造谣、版权问题、挤压工作岗位......大多数网友对Sora持比较悲观的态度。

不是嫌它不好用，是怕它太好用了。

“这太可怕了，还会偷走人们的工作，更不用说它可以用来干各种各样的坏事。”

“喔天哪，以后到底啥才是真的......”

“真是想不到它能用来干什么坏事呢呵呵”

“你们这些科学家太忙于想着‘能不能’的事，却忘了停下来想想‘该不该’......”

“下一个十年，将会是彻底疯狂的。”

甚至目前的Youtube一哥Mr.Beast也出来半开玩笑地表示：

“Sam（指OpenAI的CEO Sam Altman）请别让我成流浪汉了...”

另一位Youtube头部数码博主MKBHD也表示：

“我.....我有好多好多疑问”

再加上美国大选已经近在咫尺，很多人担心Sora会成为谣言的温床，干预到本次大选.....

“安息吧。本次大选。”

网友的担忧不是没有道理的。毕竟很多中老年人是真的会相信“视频不能P”。

再说就凭演示视频这个质量......它真的只能骗到中老年人么？

Sora还有一个功能是基于一张图生成整个视频，往好处想，这可以用来填充老视频缺失的帧；

但往坏处想，就真可以“开局一张图，剩下全靠编”了。

早在2023年5月时，推上就曾经有人发过一张“五角大楼炸了”的AI图，当时传播范围挺广，很多人信了，最后还被CNN报道了：

现在的Sora生成的视频比这一张图更“可信”，潜在的引发骚乱的能力也更强了。

不过我们也不必太过担忧，OpenAI表示Sora也不是没有缺点，它最大的毛病有两个：

第一是理解不了因果关系，比如让它生成一个人咬饼干的视频，但咬完饼干可能没有咬痕；

第二则是缺乏空间意识，有时会混淆左右，不理解人和物体如何与场景交互。

等正式版发布，也许这些问题能得到解决，但相应地，引发骚乱的可能也会变大。

OpenAI也清楚这一点，所以他们目前还没有把Sora放出来，而是找了一群学者专家合作，想法设法地找寻Sora可能被滥用的点。

然而从过去几年发生的事看，他们恐怕很难把所有口子都彻底堵上，总会有人尝试给AI越狱，不是想防就能防得住.......

所以下面这位网友预想的场景，也许真有实现的一天：

“我被抓了，法庭上展出了‘视频证据’，里面是我在犯罪，一件我这辈子都没犯过的罪。”

就在两天前，OpenAI对我们最熟悉的ChatGPT做出了改动，现在它的“记性”更好了。

比如在《纽约时报》的这篇报道中，记者跟GPT聊天说他有个女儿叫Lina，马上五岁了，她喜欢粉色、喜欢水母。

等下次再跟GPT聊天，记者让GPT为女儿生成一张生日贺卡，它就直接调用了以前的信息：

这说明它记住了以前的聊天，变得更像个“人”了......

似乎来到2024之后，OpenAI加快了推进AI的脚步，Sora的出现就是一个明证。

一方面，Sora的前景让人十分期待，用来“拍电影”不行，但一分钟之内的短视频它足以胜任；

另一方面，超低成本的造谣也是明摆着很难解决的问题。

OpenAI究竟是在创造科技进步还是在打开潘多拉魔盒，也许最终就只能交给时间来评判了......

ref:

https://www.nytimes.com/2024/02/15/technology/openai-sora-videos.html

https://twitter.com/OpenAI/status/1758192957386342435

版权所有 ：英国那些事儿公众号

声明 ：我们致力保护作者版权，如涉及版权问题，请及时与我们联系，我们将第一时间做出处理。