Sora炸裂科技圈：真神还是焦虑制造机( 二 ) _Sora

文章插图
▲图：Gemini演示
就在圈内很多人认为谷歌将要凭借Lumiere和Gemini拿下今年头条的时候， OpenAI仅仅用Sora就轻松获得了更高的关注度。
Sora这个词很有意思，它在韩语中表示海螺壳，在日语中表示天空，在芬兰语中表示砂砾。这就很难不让人想到《海底两万里》的鹦鹉螺号，《沙丘》，以及“我们的目标是星辰大海”的豪情壮志。
而且Sora是一个比较常见的名字，比Lumiere（法语，光）更短、更好读。
和GPT当年的故事如出一辙，Sora也是踩着竞争对手以碾压式的优势胜出。相比同类产品，Sora能抓住提示词的精髓，巧妙地生成具有多个角色和特定动作的场景。
有人做过对比，使用同样的提示词，让AI生成一个在花园里、似乎正在追逐什么东西、快乐奔跑的黄白相间的猫，最终结果的差距十分明显。

文章插图
▲图：不同AI产品的效果对比
上面由Sora生成的视频看起来非常真实，甚至在奔跑时候，猫腮帮子上的毛都会随着脑袋起伏。而下面通过Pika, Runway, Leonardo, FinalFrame生成的视频，猫不仅看起来不像真的，连动作都很诡异。
在生成的视频时长上，Sora也碾压友商。Sora可以生成1分钟的视频，相对的， Pika是3秒，Runway是4秒，Lumiere是5秒。
最重要的是，Sora有望解决一个生成式AI的痛点，那就是同样的提示词通常不会生成同样的结果，例如“黄白相间的猫”这个提示词，不同的视频里会出现不同模样的黄白相间的猫。导致的结果，就是无法通过拼接来创作更长的视频。
尽管Sora一出道就秀出了远超同行的肌肉，但Sora并没有选择像Pika、Runway一样，开放给大众使用，而是采取了Google、Meta类似的保守策略，先官宣来吊足大家胃口，然后慢慢内测，等待一个合适的时机，再向大众开放。
因为，有很多关键问题，大家都没有找到好的解决方案。
AI一调皮
人类就头疼
生成式AI天生就有一个“不按物理定律出牌”的老毛?。?幢闶强雌鹄匆丫?浅＝咏?媸凳澜绲腟ora也不例外。这个问题过于明显，以至于OpenAI都懒得去遮掩，干脆自己先大方的说了出来。
从内测用户流出的视频可以发现，Sora无视物理法则随意发挥的意愿十分高涨，而这种意愿在“必须还原物理世界”的规则约束下，很容易生成像人类做梦一样的场景。有过做梦经历的朋友应该会这样的体会：明明梦是虚幻的，但在梦里你的感受又很“真实” 。
下面就是个很典型的例子。

文章插图
▲图：Sora的梦境物理
注意看，视频中的这个杯子莫名其妙的跳了起来并侧翻在桌面上，杯中的液体在杯子跳起来的一瞬间穿透了杯底铺满桌面，而最终杯子连同里面剩余的液体一起，融进了桌面。

文章插图
▲图：融进桌面的杯子
这样的视频显然无法应用在正式的场合，大概率只能出现在B站的鬼畜区，告诉你一个学了3年动画的人，是如何因为一个毕业作品被老师轰出门外的故事。

文章插图
此外，Sora对算力有很高的要求。下面这个视频演示了低算力和高算力之间的差距能有多可怕。

文章插图
▲图：算力差距
而想要高算力，就得花更多的钱。
以Runway为例，个人版收费模式分3档，标准版为每月15美元，可以制作一个125秒的Gen-1视频，或者44秒的Gen-2视频，相当于每秒1-2.4元人民币，超出部分需要额外付费。Pro版每月35美元，至尊版每月95美元。而用户如果希望加快视频的产出效率，也需要额外购买“时间” 。
能力越大
危险越大
生成式AI在社会层面有几个老生常谈的问题。
首先就是造假问题。AI生成的视频越真实，造假就越容易。最直接的解决办法是将AI生成的内容打上一个特殊的标签，以便于平台将其和人工拍摄的视频进行区分， OpenAI和Google的确也在做这件事。
但水印的问题在于，它可以在分享的过程中会被人恶意抹除。例如通过截图、录屏的方式获得视频副本，不会带有任何水印。