文|零態(tài)LT 吳狄
編輯|胡展嘉
運(yùn)營|陳佳慧
周鴻祎又口出狂言了。
他說，“AGI（通用人工智能）的實現(xiàn)將從10年縮短到1年”，而背后的原因，僅僅是因為一個1分鐘的短視頻。
注意看，這個女人叫小美，她正向我們走來。雖然身處日本某條熱鬧的大街，小美卻總是不停地回頭張望，似乎在暗示觀眾鏡頭之外隱藏了不為人知的秘密。
圖：主角出場
鏡頭拉近，可以清晰看到小美修長的脖子和優(yōu)美的下頜線，讓整個畫面充滿了令人無法抗拒的神秘和美感。
實際上，整個短視頻中，從街景到行人，包括小美，在現(xiàn)實中根本不存在。這是OpenAI最新產(chǎn)品Sora制作的演示視頻，而正是這個視頻，讓周鴻祎做出了AGI發(fā)展將會10倍提速的預(yù)言。
傳統(tǒng)方式制作這樣一段1分鐘的視頻成本非常高。除了需要選址，選演員，提前進(jìn)行分鏡構(gòu)圖，架設(shè)機(jī)位外等，想要碰上如此理想的天氣，還需要賭一賭運(yùn)氣。落日轉(zhuǎn)瞬即逝，一旦失誤就只能第二天重頭來過。
拍攝完成后，是非常耗時的后期制作。不僅要調(diào)整畫面色調(diào)，還要仔細(xì)核對畫面中是否有瑕疵，比如眼鏡反射的畫面會不會導(dǎo)致穿幫、路人中是否出現(xiàn)不協(xié)調(diào)元素等等。
但Sora出馬，全部流程就是（字面意義上的）一句話的事。
Sora官網(wǎng)上公布了十幾段“制作”精良的高清演示短片， 從現(xiàn)實人物到3D動畫，所有短片都是通過一句話生成的。
看過這些短片后，我科技圈的朋友集體表示“炸裂”；大眾圈的朋友表示“AI都到了這種程度了嗎”；而攝影圈的朋友表示，盡管還是能看出和人類攝影師有一點(diǎn)點(diǎn)差距，但依然被Sora的效果震撼了，進(jìn)而紛紛開始和我討論起失業(yè)以后，除了送外賣還可以從事什么工作。
但如果我們拋開網(wǎng)上鋪天蓋地、對Sora近乎玄幻的贊譽(yù)，跳出官網(wǎng)演示視頻的魅惑就會發(fā)現(xiàn)，Sora本質(zhì)上是生成式AI在視頻領(lǐng)域的一個應(yīng)用，一個diffusion transformer模型。
而官方宣傳的Sora所有功能，例如通過文字或者圖片生成高清短視頻，在此基礎(chǔ)上進(jìn)行擴(kuò)展生成一段更長的視頻等，其實很多公司都在做。比較知名的產(chǎn)品包括已經(jīng)商用的Runway，免費(fèi)的Pika，以及還在完善階段的Google Lumiere、Meta Make-A-Video，還有一些知名度稍低的產(chǎn)品如Leonardo，F(xiàn)inalFrame等等。
這里就有一個很大的疑問：憑什么出圈的又是Sora，它真有網(wǎng)上說的那么神嗎？
01 憑借更逼真的效果，OpenAI再次出圈
1月24日，谷歌研究人員公布了一段Lumiere的演示視頻。畫質(zhì)非常高清，且真實。
圖：由Lumiere生成的游泳海龜視頻
Lumiere除了可以生成真實圖片外，還可以實現(xiàn)一鍵換裝、根據(jù)圖片和提示詞生成動態(tài)視頻等功能。
圖：一鍵換裝
2月15日，剛剛過完情人節(jié)的谷歌在瘋狂星期四又重磅推出了下一代AI產(chǎn)品Gemini 1.5。在此前的演示視頻中，Gemini已經(jīng)展現(xiàn)了其在圖像識別和多輪對話中的逆天能力。
演示視頻中，演示人員畫了一個類似鴨子的輪廓讓Gemini辨認(rèn)，Gemini表示它覺得像個鳥。
圖：Gemini演示
但是當(dāng)演示人員畫上了波浪后，Gemini表示通過長脖子長嘴又會游泳這幾個依據(jù)，判斷這是只鴨子。
圖：Gemini演示
隨后演示人員拿了個玩具小鴨子問Gemini這個東西是什么材質(zhì)做的，Gemini表示看起來可能是橡膠也可能是塑料。而當(dāng)演示人員捏響橡膠鴨子后，Gemini立刻判斷出是用柔軟的橡膠做成的。
圖：Gemini演示
就在圈內(nèi)很多人認(rèn)為谷歌將要憑借Lumiere和Gemini拿下今年頭條的時候，OpenAI僅僅用Sora就輕松獲得了更高的關(guān)注度。
Sora這個詞很有意思，它在韓語中表示海螺殼，在日語中表示天空，在芬蘭語中表示砂礫。這就很難不讓人想到《海底兩萬里》的鸚鵡螺號，《沙丘》，以及“我們的目標(biāo)是星辰大?！钡暮狼閴阎?。
而且Sora是一個比較常見的名字，比Lumiere（法語，光）更短、更好讀。
和GPT當(dāng)年的故事如出一轍，Sora也是踩著競爭對手以碾壓式的優(yōu)勢勝出。相比同類產(chǎn)品，Sora能抓住提示詞的精髓，巧妙地生成具有多個角色和特定動作的場景。
有人做過對比，使用同樣的提示詞，讓AI生成一個在花園里、似乎正在追逐什么東西、快樂奔跑的黃白相間的貓，最終結(jié)果的差距十分明顯。
圖：不同AI產(chǎn)品的效果對比
上面由Sora生成的視頻看起來非常真實，甚至在奔跑時候，貓腮幫子上的毛都會隨著腦袋起伏。而下面通過Pika, Runway, Leonardo, FinalFrame生成的視頻，貓不僅看起來不像真的，連動作都很詭異。
在生成的視頻時長上，Sora也碾壓友商。Sora可以生成1分鐘的視頻，相對的，Pika是3秒，Runway是4秒，Lumiere是5秒。
最重要的是，Sora有望解決一個生成式AI的痛點(diǎn)，那就是同樣的提示詞通常不會生成同樣的結(jié)果，例如“黃白相間的貓”這個提示詞，不同的視頻里會出現(xiàn)不同模樣的黃白相間的貓。導(dǎo)致的結(jié)果，就是無法通過拼接來創(chuàng)作更長的視頻。
盡管Sora一出道就秀出了遠(yuǎn)超同行的肌肉，但Sora并沒有選擇像Pika、Runway一樣，開放給大眾使用，而是采取了Google、Meta類似的保守策略，先官宣來吊足大家胃口，然后慢慢內(nèi)測，等待一個合適的時機(jī)，再向大眾開放。
因為，有很多關(guān)鍵問題，大家都沒有找到好的解決方案。
02 AI一調(diào)皮，人類就頭疼
生成式AI天生就有一個“不按物理定律出牌”的老毛病，即便是看起來已經(jīng)非常接近真實世界的Sora也不例外。這個問題過于明顯，以至于OpenAI都懶得去遮掩，干脆自己先大方的說了出來。
從內(nèi)測用戶流出的視頻可以發(fā)現(xiàn)，Sora無視物理法則隨意發(fā)揮的意愿十分高漲，而這種意愿在“必須還原物理世界”的規(guī)則約束下，很容易生成像人類做夢一樣的場景。有過做夢經(jīng)歷的朋友應(yīng)該會這樣的體會：明明夢是虛幻的，但在夢里你的感受又很“真實”。
下面就是個很典型的例子。
圖：Sora的夢境物理
注意看，視頻中的這個杯子莫名其妙的跳了起來并側(cè)翻在桌面上，杯中的液體在杯子跳起來的一瞬間穿透了杯底鋪滿桌面，而最終杯子連同里面剩余的液體一起，融進(jìn)了桌面。
圖：融進(jìn)桌面的杯子
這樣的視頻顯然無法應(yīng)用在正式的場合，大概率只能出現(xiàn)在B站的鬼畜區(qū)，告訴你一個學(xué)了3年動畫的人，是如何因為一個畢業(yè)作品被老師轟出門外的故事。
此外，Sora對算力有很高的要求。下面這個視頻演示了低算力和高算力之間的差距能有多可怕。
圖：算力差距
而想要高算力，就得花更多的錢。
以Runway為例，個人版收費(fèi)模式分3檔，標(biāo)準(zhǔn)版為每月15美元，可以制作一個125秒的Gen-1視頻，或者44秒的Gen-2視頻，相當(dāng)于每秒1-2.4元人民幣，超出部分需要額外付費(fèi)。Pro版每月35美元，至尊版每月95美元。而用戶如果希望加快視頻的產(chǎn)出效率，也需要額外購買“時間”。
03 能力越大，危險越大
生成式AI在社會層面有幾個老生常談的問題。
首先就是造假問題。AI生成的視頻越真實，造假就越容易。最直接的解決辦法是將AI生成的內(nèi)容打上一個特殊的標(biāo)簽，以便于平臺將其和人工拍攝的視頻進(jìn)行區(qū)分，OpenAI和Google的確也在做這件事。
但水印的問題在于，它可以在分享的過程中會被人惡意抹除。例如通過截圖、錄屏的方式獲得視頻副本，不會帶有任何水印。
其次是版權(quán)問題。版權(quán)問題比造假更加復(fù)雜，它既是一個形而上的宏大概念，又和每一個創(chuàng)作者的個人利益息息相關(guān)。目前對版權(quán)的爭論主要集中在AI和人類對齊的過程中，比如，AI通過學(xué)習(xí)別的藝術(shù)家的風(fēng)格在此基礎(chǔ)上進(jìn)行的創(chuàng)作，和人類以同樣方式進(jìn)行的創(chuàng)作，本質(zhì)上有沒有區(qū)別？
而更直白的問題則是，AI到底是來幫我賺錢的，還是來跟我搶錢呢？
這些問題一個比一個難解決，也就意味著Sora們至少在短時間內(nèi)不會向公眾開放。從某種角度來看，這或許對于視頻制作者是一個好消息，至少有了更多的緩沖時間，來思考如何應(yīng)對接下來Sora們帶來的沖擊。
無論如何，Sora們向公眾開放，只是時間問題，至于會不會像周鴻祎預(yù)言的那么快，可能還存在疑問。但有一點(diǎn)毫無疑問：
那時候的Sora們，將比現(xiàn)在更加強(qiáng)大。