影响世界 - 文艺的力量
社会 文学 美术 音乐 影视 摄影 戏剧 舞蹈
北京文艺网
自媒体注册
北京文艺网自媒体发稿指南:
1、登录北京文艺网,点击北京文艺网会员注册,根据要求完成注册。
2、注册完成后用户名和密码登录北京文艺网。
3、登录后,请点击页面中功能菜单里的我要投稿,写下你要投稿的内容,后点击确定,完成投稿。
4、你的投稿完成后需要经过编辑审核才能显示在北京文艺网,审核时间需要一到两天,请耐心等待。

Sora能否改变影视行业?

2024-02-20 21:45:43来源:解放日报    作者:俞陶然

   
近期,OpenAI公司发布的文生视频大模型Sora引发全球关注。

 Sora生成的视频截图

  近期,OpenAI公司发布的文生视频大模型Sora引发全球关注。只要输入一句或寥寥几句描述画面情节的提示词,它就能生成一段时长60秒的视频。这些视频的质量和准确性达到了令人惊艳的程度。

  Sora的技术原理是什么?其应用价值有多大?记者采访了上海交通大学计算机科学与工程系教授赵海。

  赵海教授介绍,Sora属于多模态混合模型,由大语言模型和文图生成器拼接而成。纯文图生成模型对提示词的理解能力很弱。比如,用户输入“世界和平”,它往往无法生成准确的图片。如果把文图生成器与大语言模型拼接在一起,后者就能把“世界和平”转化为和平鸽、橄榄枝等文图生成器“看得懂”的提示词,从而生成切题的作品。

  文图生成器经改造后,也能生成视频。因此,从文图生成器过渡到文生视频大模型,不需要很大的技术突破,研发团队主要依靠的是大算力、大模型、大样本训练数据等“先天条件”。“这些条件都是OpenAI所具备的,所以Sora的问世不能算技术革命,而是工程实践的成功。”赵海说。

  Sora展示的一批文生视频案例令人惊艳。比如,输入这样一段提示词:“一位时尚女性走在充满霓虹灯和城市标牌的东京街道上。她穿着黑色皮夹克、红色长裙和黑色靴子,拎着黑色钱包。她戴着太阳镜,涂着红色口红。她走路自信又随意。街道潮湿且反光,在彩色灯光的照射下形成镜面效果。许多行人走来走去。”Sora根据这段话生成的60秒视频效果颇佳,头发、服装等细节都没问题,并实现了连贯的场景转换,达到以假乱真的水平。

  Sora与同类产品相比,具有三大优势——60秒时长、单视频包含多角度镜头、遵循部分物理规律。

  Sora问世前,同类产品只能根据提示词生成5秒以内的短视频。Sora的作品不仅长达1分钟,而且有多角度镜头,这些镜头里的人和物还能保持前后一致性,不会因角度变换而出现问题。在对物理规律的掌握方面,Sora也有不俗表现,比如在其生成的一段SUV(运动型多用途汽车)行驶视频中,汽车影子与车身始终契合。

  不过,Sora的作品也存在不少瑕疵。如输入“五只灰狼幼崽在一条偏僻的碎石路上互相嬉戏、追逐”,视频中狼的数量会莫名改变,几只狼凭空出现或消失。赵海分析:“目前的文图生成器对数字不够敏感,比如生成的一些手会有6根手指,今后要加强这方面的训练。”

  在他看来,视频大模型将改变影视行业的游戏规则。以技术含量最高的科幻电影为例,目前拍摄一部科幻大片往往需要数年时间,视频大模型用于这个领域后,特效画面的制作时间有望缩短到几天,从而大幅降低科幻电影拍摄的时间成本和技术门槛。视频摄制成本的降低,也将给传媒行业带来变革。今后,部分视频的摄制也许只要在电脑前输入一些提示词,省去了现场拍摄、后期剪辑等耗时费力的过程。

  (编辑:李思)

注:本网发表的所有内容,均为原作者的观点。凡本网转载的文章、图片、音频、视频等文件资料,版权归版权所有人所有。

扫描浏览
北京文艺网手机版

扫描关注
北京文艺网官方微信

关于北京新独立电影有限公司 | 著作权声明 | 合作招商 | 广告服务 | 客服中心 | 招聘信息 | 联系我们 | 协作单位