Sora OpenAi 官网

Sora OpenAi视频介绍：

Sora OpenAi图文介绍：

Sora是一个能以文本描述生成视频的生成式人工智能模型，由美国人工智能研究机构OpenAI开发。Sora这一名称源于日文“空”（そら sora），即天空之意，以示其无限的创造潜力。其背后的技术是在OpenAI的文本到图像生成模型DALL-E基础上开发而成的。模型的训练数据既包含公开可用的视频，也包括了专为训练目的而获授权的著作权视频，但OpenAI没有公开训练数据的具体数量与确切来源。

• 功能强大
  • 可生成最长达一分钟的视频，同时维持视觉质量并遵循用户的提示，能生成包含多个角色、特定运动类型以及准确的主体和背景细节的复杂场景，如时尚女性走在东京街头、猛犸象穿越雪地草原等场景。
  • 对语言有深刻理解，能准确解读提示并生成富有表现力和情感的角色，还可在单个生成视频中创建多个镜头，保持角色和视觉风格的连贯性。
  • 不仅能从文本指令生成视频，还能将现有静态图像转化为视频，或对现有视频进行扩展和补帧。
• 技术原理
  • 属于扩散模型，从类似静态噪声的视频开始，通过多步去除噪声逐步生成视频。采用与 GPT 类似的 transformer 架构，具有出色的缩放性能。
  • 将视频和图像表示为称为 “补丁” 的数据单元集合进行训练，能处理不同时长、分辨率和纵横比的视觉数据，并借鉴了 DALL・E 3 的重新描述技术，提升对用户文本指令的遵循度。
• 当前不足
  • 在模拟复杂场景的物理现象方面存在困难，例如可能出现物理上不合理的运动、动物或人物的自发出现、物体 “变形” 不符合物理规律、无法准确模拟物体为刚性物体以及处理多个物体和角色间复杂交互时出现问题等。
• 安全措施
  • 在将 Sora 应用于 OpenAI 产品前采取了多项安全步骤，与红队成员（如错误信息、仇恨内容和偏见等领域的专家）合作进行对抗性测试。
  • 构建工具检测误导性内容，如开发检测分类器识别 Sora 生成的视频，并计划在产品中部署时包含 C2PA 元数据。
  • 利用现有安全方法，如文本分类器检查和拒绝违反使用政策的文本输入提示，图像分类器审查生成视频的每一帧，确保符合政策。还将与全球政策制定者、教育工作者和艺术家合作，了解他们的担忧并确定积极用例。