快讯科技财经汽车社会旅游娱乐时尚健康生活科学教育

热搜：整理5个步

首页 > 科技

Sora三巨头首次解密幕后信息，CTO：最快年内开放

发布时间: 2024-03-26 17:06:44 来源：量子位

观看：397

“Sora是世界建模的第一步”

“Sora最快今年内开放公测。”

在一场访谈中，OpenAI CTO Mira Murati亲自透露了这一消息。

短短10分钟里，Sora技术细节、进展、规划等当下最热议的问题，都有了更进一步解答：

生成20秒的720P视频只需几分钟
计算资源远超ChatGPT和DALL·E
目前正在进行正在进行红队测试
未来版本有望支持视频声效

而且还向外界传递了一层重要信息：

加上前几天，Sora的三名研发主管——Tim Brooks、William Peebles和Aditya Ramesh，也参与了一场16分钟的播客访谈。

综合两场对话，关于Sora背后的秘密，也有了更多蛛丝马迹可以探寻。

Sora背后还有多少秘密？

关于Sora，人们最关心也最期待的，可能就是什么时候才能上手体验了。

对此，Mira表示Sora正在进行红队测试，以确保工具的安全性，并且不会产生偏见或其他有害问题。

对于具体的时间，Mira也立下了flag——今年年内让Sora与广大用户正式见面。

此外，两场对话中谈到的其他话题，可以分为技术细节、项目规划和未来展望三个部分。

揭开更多技术细节

技术方面，三人团队表示，Sora更像是介于Dall·E这类扩散模型和GPT之间。

训练数据是不方便说滴（doge），大致就是公开数据和OpenAI已获授权的数据。

不过他们专门cue了一个点：通常图像、视频模型都是在一个固定尺寸上进行训练，而Sora使用了不同时长、比例和清晰度的视频。

具体方法之前的技术报告已经有了说明，就是用“Patches”来统一不同的视觉数据表现形式。

然后可以根据输入视频的大小，训练模型认识不同数量的小块。通过这种方式，模型能够更加灵活学习各种数据，同时也能生成不同分辨率和尺寸的内容。

性能方面，Mira和三人组的说法则略有不同：

三人组透露，有一次给Sora布置好任务后，出去买了杯咖啡，结果回来之后视频还没做好。

而Mira这边的回答则是，Sora生成720P分辨率、长达20秒的视频内容，只需要几分钟就能完成。

当然，具体消耗的时间，还要取决于任务复杂程度等多种因素，不能简单一概而论。

不过Mira这边表示，在正式发布之前将继续努力优化算法，以降低所需的算力。

这些问题还需解决

而针对Sora存在的不足，他们的回答也很坦诚，表示其还存在无法完美处理手部的生成，渲染复杂的物理过程也存在一定难度等一系列问题。

除了这些bug型的缺陷之外，Sora不能给视频添加声音也算一个美中不足之处，对此三人组给出了这样的回应：

而Mira对此的回答则更像是给人们吃了一颗定心丸——未来版本有望支持视频声效，增强用户体验。

而除了这些产品本身的问题之外，为Sora生成的视频加入溯源信息，以防出现造假，也是OpenAI当下的一项重要任务。

同时，负责人和Mira都表示，团队始终在收集来自各界的用户反馈，三人组还举例说有用户希望能加入提示词以外，更精细、直接的控制方式，团队将此作为了重点考虑的一个方向。

Sora，未来可期

最后，针对Sora的未来，负责人给出了很高的预期，并表示其将不仅仅在视频创作方面发挥作用。

因此，负责人对Sora及未来可能在其基础上开发的其他AI模型充满了期待——通过学习视觉信息的方式理解这个世界，在未来能够更好地帮助人类。

对此有网友表示，这的确是个好消息，Sora的意义不仅在于其本身，而且还会对其他AI产生影响。

另一边，已经有人在期待Runway等前任王者对此的反应了。

不过，虽然团队自己说Sora在未来能够理解人类世界，但它到底能不能真的算世界模型，还存在不小的争议。

Sora是世界模型吗？

针对这个问题，正反双方各执一词，支持者的主要理由，是认为从Sora生成的视频中能看出其对物理世界的理解。

而反方则不认同Sora是世界模型，代表人物是图灵奖得主、Meta首席AI科学家LeCun。

近期，LeCun点赞了一篇澳大利亚学者的万字长文，文章的核心观点就是认为Sora不是世界模型。

其中最核心的原因，是Sora并没有物理引擎来运行前向时间模拟，而且训练过程是端到端完成的，数据中并没有物理规律信息。

即便是抛开训练和生成过程，单从表现上看，Sora的输出也出现了违反重力、碰撞动力学等物理规律的情况。

△Sora生成的“反重力玻璃杯”

所以，作者认为，将Sora称为世界模型是缺少充分依据的。

而人们比较关心的另一个问题，是Sora的训练过程，是否使用了虚幻引擎（Unreal Engine）5。

不过作者也没有给出确切结论，只表示这只是猜测，目前并没有确切的证据表明Sora确实使用了UE5进行训练。

而要想进一步揭开这些问题，或许要OpenAI再次自己出来公布，或者直接开源了。

One More Thing

虽然两场访谈的确透露出了不少干货，但针对人们同样广为关心的训练数据来源问题，无论是三人团队还是Mira，说法都十分模糊——

Sora的训练过程中使用的是公开可用和已获得授权的数据源。

但对于YouTube、Instagram和Facebook上的视频是否被用作训练数据，Mira则是顾左右而言他：

不过，这个说法的可信度先放下不谈，即便真的如Mira所说，也有网友并不认账：

参考链接：
[1]https://www.youtube.com/watch?v=Srh1lut4Q2A（第53分钟开始）
[2]https://www.youtube.com/watch?v=mAUpxN-EIgU
[3]https://artificialcognition.net/posts/video-generation-world-simulators/

近日，国家知识产权局等五部门联合印发了《专利产业化促进中小企业成长计划实施方案》（以下简称《实施方案》）。《实施方案》提出，到2025年底，中小企业知识产权意识和专利转化运用能力得到普遍提升记者日前获悉，位于四川成都未来科技城应用性科创区的民航科技创新示范区（B区）航站楼项目，近日取得施工许可证。这也意味着全国首个模拟验证机场开工。该民航科技创新示范区相关负责人表示，预计模记者3月21日获悉，由中国科学院自动化研究所和中国科学院香港创新研究院联合研发的医疗领域AI多模态大模型——CARES Copilot 1.0日前在香港正式发布，现已面向香港神经外科医生开放使再打一局游戏就睡，再刷几个视频就睡，终于放下手机，关灯睡觉了……结果翻来覆去睡不着，半夜醒来再也睡不着，为什么明明睡着了，睡眠质量却不高？3月21日是世界睡眠日，最新发布的《2024中国 3月21日上午，全球首列氢能源市域列车在中车长客股份公司（以下简称“中车长客”）试验线上进行了时速160公里满载运行试验。当日试验过程中，车以160公里/小时速度运行的列车，每公里实际运行平均能耗据英国《每日电讯报》网站3月18日报道，根据英国政府的新航空计划，首批电动飞行出租车将于2026年试飞。周一发布的《“飞行未来”行动计划》为飞行出租车在2030年广泛使用铺平道路。尽管在最初。

本文链接：Sora三巨头首次解密幕后信息，CTO：最快年内开放http://www.sushuapos.com/show-2-4230-0.html

声明：本网站为非营利性网站，本网页内容由互联网博主自发贡献，不代表本站观点，本站不承担任何法律责任。天上不会到馅饼，请大家谨防诈骗！若有侵权等问题请及时与本网联系，我们将在第一时间删除处理。

上一篇：通用图大模型HiGPT：一己之力建模任何图结构关系！来自港大数据智能实验室&百度

下一篇：一年暴涨900%，这个华人成为黄院士门下最大赢家