OpenAlSora官方技術報告中文版

[復制鏈接]

bravo090

電梯直達

1^#

發表于 2024-2-19 09:47:11 | 只看該作者 |只看大圖 |倒序瀏覽 |閱讀模式

OpenA12月16日凌晨發布了文生視頻大模型Sora，在科技圈引起一連串的震驚和感嘆，在2023年，我們見證了文生文、文生圖的進展速度，視頻可以說是人類被A|攻占最慢的一塊“處女地”。而在2024年開年，OpenAl就發布了王炸文生視頻大模型Sora，它能夠僅僅根據提示詞，生成60s的連貫視頻，“碾壓”了行業目前大概只有平均“4s”的視頻生成長度。
為了方便理解，我們簡單總結了這個模型的強大之處:
1、文本到視頻生成能力:Sora能夠根據用戶提供的文本描述生成長達60S的視頻，這些視頻不僅保持了視覺品質，而且完整準確還原了用戶的提示語。
2、復雜場景和角色生成能力:Sora能夠生成包含多個角色、特定運動類型以及主題精確、背景細節復雜的場景。它能夠創造出生動的角色表情和復雜的運鏡，使得生成的視頻具有高度的逼真性和敘事效果。
3、語言理解能力:Sora擁有深入的語言理解能力，能夠準確解釋提示并生成能表達豐富情感的角色。這使得模型能夠更好地理解用戶的文本指令，并在生成的視頻內容中忠實地反映這些指令。
4、多鏡頭生成能力:Sora可以在單個生成的視頻中創建多個鏡頭，同時保持角色和視覺風格的一致性。這種能力對于制作電影預告片、動畫或其他需要多視角展示的內容非常有用。
5、從靜態圖像生成視頻能力:Sora不僅能夠從文本生成視頻，還能夠從現有的靜態圖像開始，準確地動畫化圖像內容，或者擴展現有視頻，填補視頻中的缺失幀。
6、物理世界模擬能力:Sora展示了人工智能在理解真實世界場景并與之互動的能力，這是朝著實現通用人工智能(AGI)的重要一步。它能夠模擬真實物理世界的運動，如物體的移動和相互作用。
可以說，Sora的出現，預示著一個全新的視覺敘事時代的到來，它能夠將人們的想象力轉化為生動的動態畫面，將文字的魔力轉化為視覺的盛宴。在這個由數據和算法編織的未來，Sora正以其獨特的方式，重新定義著我們與數字世界的互動。一反常態，OpenAI在模型公布后的不久，就公布了相關的技術Paper，我們第一時間“啃”了這篇技術報告，希望能夠幫助大家理解到底有哪些神奇的技術，讓Sora能夠有如此強大的魔力。

鏈接

https://www.aihub.cn/news/video-generation-models-as-world-simulators/