全網(wǎng)苦等10個月的Sora,終于亮相。
北京時間12月10日凌晨,OpenAI直播第三彈,宣布旗下視頻生成模型Sora正式面向大眾推出。
自今年2月首次預(yù)告以來,Sora僅向一些藝術(shù)家、知名演員和導(dǎo)演提供試用服務(wù),但遲遲未上線,吊足大眾胃口。此次一經(jīng)發(fā)布,立即激發(fā)起全球網(wǎng)友的熱情,擠爆服務(wù)器。
「定焦One」注意到,與上一個版本相比,此次的Sora Turbo支持生成1080p分辨率、最長20秒的視頻,在時長上有明顯突破。更大的亮點在于它提供“編輯”服務(wù),除了單純的文生視頻、圖生視頻、視頻生視頻,用戶還可以通過指令實現(xiàn)視頻重混、重新剪輯、循環(huán)、混合等功能,更像是一個加強版的視頻編輯器。
Sora正式發(fā)布后,一個問題也被擺上臺前:國內(nèi)的Sora們,準(zhǔn)備好迎接挑戰(zhàn)了嗎?
「定焦One」第一時間進行了實測對比,至于結(jié)果,遠沒有想象中那么糟。
新版Sora,不止文生視頻
綜合多位業(yè)內(nèi)人士的觀點,Sora的變化主要集中在兩方面。
一是時長,Sora Turbo支持用文字、圖片或視頻單次生成最長20秒的視頻(此前發(fā)布的演示視頻最長為60秒,但不是公開使用版本),有寬屏、豎屏、方屏比例可選。而國內(nèi)AI視頻生成軟件單次大多僅支持5-10秒。
能生成的視頻時間越長,意味著對其內(nèi)容一致性、避免重復(fù)、銜接過渡上要求更高,模型的優(yōu)化和訓(xùn)練數(shù)據(jù)的質(zhì)量在其中起著關(guān)鍵作用。
二是它強大的“編輯”功能,包括Remix(重混)、Re-cut(重新剪輯)、Storyboard(故事板)、Loop(循環(huán))、Blend(混合)以及Style presets(風(fēng)格預(yù)設(shè))。
此前,AI生成視頻的一大痛點在于一次性生成以后很難再調(diào)整,這次Sora一定程度上解決了這個問題。
我們拿其中三個亮眼的新功能來詳細說明。
Remix(重混)可以替換、移除或重新生成視頻中的某個要素,例如,在生成“推開圖書館的大門”后(上圖),可以輕易將大門換成法式風(fēng)格(下圖)。
Storyboard(故事板)功能絕對是視頻創(chuàng)作者的輔助利器,可以精準(zhǔn)指定每一幀的內(nèi)容,控制每個時間段的畫面。
比如,讓視頻的前114幀生成“紅色的背景下,遠處?恐凰矣钪骘w船”。
接著,將114-324幀的場景變?yōu)椋?ldquo;從宇宙飛船內(nèi)部向外看,一位宇航員站在中間”。
最后在324-440幀,將畫面聚焦到宇航員眼睛的特寫鏡頭,他的眼睛被針織面料制成的面罩包裹住。
Blend(混合)功能可以把兩個視頻混合在一起,Sora演示了將雪花飄落和花朵飄落的視頻混合在一起,過渡非常自然。OpenAI方面稱,這是其它AI視頻從未見過的功能。
需要注意的是,這些功能雖然驚艷,但Sora目前僅在部分國家提供服務(wù),英國、中國大陸等地暫不能使用。
在收費方面,Sora對ChatGPT的Plus會員(每月20美元)和Pro會員(每月200美元)直接開放使用,Plus會員每月可生成50個480P分辨率的視頻,Pro會員則擁有不限次慢速生成的額度。
Sora來了,可靈、即夢們先別慌
從Sora亮相到發(fā)布的這10個月里,國內(nèi)的Sora們一直在抓緊追趕。此次Sora正式發(fā)布后,「定焦One」挑選了國內(nèi)外幾家比較有代表性的AI生成視頻工具,進行實測對比。
先看各大工具在生成秒數(shù)、收費價格上的情況。
單次生成秒數(shù)上,Sora憑借20秒領(lǐng)先,緊隨其后的是Runway,可以達到10秒,相比之下,國內(nèi)的產(chǎn)品普遍都在5-6秒。
需要說明的是,白日夢雖然最長可達6分鐘,但非單次文生視頻長度,它根據(jù)文字提示先生成人物,然后再生成分鏡、編輯圖片,最后連成一段視頻,所以支持的時間較長。
在收費上,國內(nèi)的產(chǎn)品都可以不付費體驗,有些會限制使用次數(shù)。Sora則必須付費才可以使用,且門檻不低,20美元起步,Runway其次,最低月付費15美元。
再看各家提供的具體功能及對應(yīng)效果。
綜合從業(yè)者的說法以及Sora最新發(fā)布的功能,我們從兩個維度進行測試。
1、基礎(chǔ)功能:主要測試文生視頻的能力,考察產(chǎn)品對文字指令的理解度、運動過程中人物面部的清晰度和多人物的準(zhǔn)確度。為了覆蓋以上三個難點,「定焦One」給出了兩條提示詞:
第一條:鏡頭中景拍攝,夕陽下,兩個長頭發(fā)的女生,一個穿著黃裙子,一個穿著藍裙子,手里都拿著胡蘿卜,旁邊還有三只小兔子,小兔子慢慢跑過去吃胡蘿卜,電影級調(diào)色。
這條主要測試多主體數(shù)量的準(zhǔn)確度,讓人大跌眼鏡的是,Sora沒能識別出主體數(shù)量,只生成了兩只兔子(測試時已將提示詞轉(zhuǎn)換為英文),不過,其他的地方都是比較準(zhǔn)確的。
Sora提示詞
同樣踩坑的還有通義萬相,不僅弄丟了一只兔子,還增加了一個女孩。
其他產(chǎn)品表現(xiàn)較好,均能準(zhǔn)確理解提示詞,只是在畫風(fēng)上有所差異。
第二條:鏡頭特寫拍攝,燈光,一個有著一頭黑色卷發(fā)的中式少女,穿著一條白裙子,胸前手握一束粉色鮮花,眼睛先低頭看鮮花,然后慢慢抬起頭來微笑,電影級調(diào)色。
這條主要測試各工具對于人物面部的特寫,以及對復(fù)雜指令的理解程度。
從生成效果來看,幾家都理解了特寫拍攝、少女、裙子、粉色鮮花、低頭看花、微笑等人、物和動作,但問題出在指令解讀上,比如可靈沒有讀懂“一個有著一頭黑色卷發(fā)的中式少女”,隨后我們換成“一個中式少女、黑色長卷發(fā)”才成功生成。
可靈提示詞
各家對“中式少女”的理解也不盡相同,比如智譜清言生成人物的更像外國女孩,相比之下,在FilmAction里選擇新中式風(fēng)格,先文生圖,再圖生視頻的理解最好,但使用起來也復(fù)雜一些。
「定焦One」還對比了AI工具這半年來的進化速度。以即夢為例,和五個月前相比,人物真實感有明顯提高。
綜上,在基礎(chǔ)功能上,Sora的表現(xiàn)還談不上驚艷。
2、進階功能:主要測試此次Sora發(fā)布的新功能,也是本次Sora宣傳的重點。
多位從業(yè)者提及,Remix(重混)功能實現(xiàn)起來比較復(fù)雜,因此我們直接上難度測試了這一項,讓Sora將此前生成視頻中的兔子替換成小狗,結(jié)果出現(xiàn)了胡蘿卜或者小狗起飛的狀況。
看來,實際操作遠沒有樣片中絲滑。不過,也有從業(yè)者表示,實測中存在一定偶然因素,最終效果和提示詞、場景、風(fēng)格的關(guān)系比較大。
結(jié)語
經(jīng)過一番對比,不難發(fā)現(xiàn),盡管Sora的發(fā)布讓人震撼,但目前其實力還沒強到讓國內(nèi)從業(yè)者恐慌的程度,大家對Sora的整體評價是,效果在預(yù)期之內(nèi)。
生數(shù)科技投融資負責(zé)人樊家睿評價,相比今年2月份釋放的demo,Sora在模型效果方面,真實感上并沒有顯著變化。另外,結(jié)合多位網(wǎng)友實測反饋,Sora在長時間處理復(fù)雜動作時還存在一定困難,模擬物理世界時可能會犯錯。
至于它發(fā)布的一系列新功能,從業(yè)者們見仁見智。
瀚皓科技CEO吳杰茜告訴「定焦One」,和Sora類似的Storyboard(故事板)、Style presets(風(fēng)格預(yù)設(shè))功能在FilmAction中已經(jīng)實現(xiàn),Blend(混合)功能最先在國外的AI生成視頻工具Luma中亮相,主要原理是首尾幀生成,Re-cut(重新剪輯)功能底層依靠的是視頻續(xù)寫,目前國內(nèi)工具也已經(jīng)具備。
不過,AI行業(yè)資深研究者江樹表示,此次Sora發(fā)布的一些功能屬于獨家,國內(nèi)的產(chǎn)品基本沒有。盡管從技術(shù)上來說并不新鮮,比如可靈的運動筆刷、首尾幀功能也能做到視頻銜接和循環(huán),但他覺得,Sora的實現(xiàn)方式比較高明。
他以Remix舉例,用戶想改變視頻中的主體,國內(nèi)基本是通過“替換關(guān)鍵幀”實現(xiàn),但Sora的Remix不是,因為在直播演示中,猛犸象在變成機器人時,沙子揚起的細節(jié)都能與主體保持一致。
“或許Sora目前透露出的最大優(yōu)勢是處理細節(jié)的連貫性。”江樹表示,他舉例,在直播演示中,機器人在沙漠中漫步,這一畫面從遠景到特寫,中間的轉(zhuǎn)換十分自然。Sora的空間感也不錯,攝像機繞著一個物體進行360度旋轉(zhuǎn),每個角度下的細節(jié)都非常準(zhǔn)確,這說明Sora對三維場景有較為完整的理解。
另一個加分項是產(chǎn)品體驗。江樹表示,Sora這次發(fā)布的是一個從視頻生成到制作成品的端到端的完整產(chǎn)品,不像之前ChatGPT發(fā)布時只有一個對話框。
“Sora在基礎(chǔ)的文生視頻、圖生視頻以外,提供了一些提升視頻創(chuàng)作體驗的功能,說明OpenAI確實更關(guān)注產(chǎn)品體驗了,”樊家睿覺得,Sora新功能的實現(xiàn)路徑非常明確,對于他們而言,背后不是技術(shù)實現(xiàn)難度問題,主要是時間問題。
接下來,AI生成視頻賽道又要卷起來了。
文章內(nèi)容僅供閱讀,不構(gòu)成投資建議,請謹(jǐn)慎對待。投資者據(jù)此操作,風(fēng)險自擔(dān)。
2024年的Adobe MAX 2024發(fā)布會上,Adobe推出了最新版本的Adobe Creative Cloud。
奧維云網(wǎng)(AVC)推總數(shù)據(jù)顯示,2024年1-9月明火炊具線上零售額94.2億元,同比增加3.1%,其中抖音渠道表現(xiàn)優(yōu)異,同比有14%的漲幅,傳統(tǒng)電商略有下滑,同比降低2.3%。
“以前都要去窗口辦,一套流程下來都要半個月了,現(xiàn)在方便多了!”打開“重慶公積金”微信小程序,按照提示流程提交相關(guān)材料,僅幾秒鐘,重慶市民曾某的賬戶就打進了21600元。
華碩ProArt創(chuàng)藝27 Pro PA279CRV顯示器,憑借其優(yōu)秀的性能配置和精準(zhǔn)的色彩呈現(xiàn)能力,為您的創(chuàng)作工作帶來實質(zhì)性的幫助,雙十一期間低至2799元,性價比很高,簡直是創(chuàng)作者們的首選。
9月14日,2024全球工業(yè)互聯(lián)網(wǎng)大會——工業(yè)互聯(lián)網(wǎng)標(biāo)識解析專題論壇在沈陽成功舉辦。