谷歌版Sora升級4K高清！一句話控制鏡頭運(yùn)動，跑分叫板可靈海螺

　　OpenAI直播劃水的一天，谷歌版Sora迎來了它的2.0——

　　Veo2，根據(jù)文本或圖像生成更為高質(zhì)量的視頻。

　　從官方介紹中看，此次主要有三個方面的升級。

　　比如分辨率能達(dá)到4K。

　　能夠理解有關(guān)鏡頭控制的Prompt。

　　更注重現(xiàn)實(shí)物理世界與人類表情的理解和展示。

　　在官方賬號底下，大家都對這些效果表示了驚嘆:

　　我真的想谷歌輸?shù)舯荣�，但是谷歌沒有輸。

　　另外，圖像生成模型Imagen3也有進(jìn)一步的改進(jìn)。

　　谷歌版Sora2.0:重新定義質(zhì)量和控制

　　質(zhì)量和控制，是此次視頻模型升級的關(guān)鍵詞。

　　除了顯而易見的清晰度的提升——最高可達(dá)4K分辨率，它能夠忠實(shí)地遵循簡單和復(fù)雜的指令Prompt，并令人信服地模擬現(xiàn)實(shí)世界的物理以及各種視覺風(fēng)格。

　　具體體現(xiàn)在它的真實(shí)感和保真度上，比如細(xì)節(jié)、偽影減少等方面都有顯著改進(jìn)。

　　還有高級的運(yùn)動功能，基于對物理學(xué)的理解，能夠更高精度的表示運(yùn)動。

　　還能準(zhǔn)確地遵循各種鏡頭控制類的Prompt，比如拍攝風(fēng)格、角度、動作以及所有這些的組合。

　　那么接下來直觀地感受一下效果。

　　Prompt:特寫鏡頭聚焦于一位女 DJ 的臉部，她美麗、濃密的黑色卷發(fā)勾勒出她的五官，她完全沉浸在音樂中。她閉上雙眼，沉浸在節(jié)奏中，嘴角掛著一絲微笑。當(dāng)她隨著節(jié)拍點(diǎn)頭和搖擺時，相機(jī)捕捉到了她頭部的細(xì)微動作，她的身體本能地隨著耳機(jī)中傳出的音樂而做出反應(yīng)，傳到人群中。淺景深使背景變得模糊。她被鮮艷的霓虹色包圍著。特寫鏡頭強(qiáng)調(diào)了她迷人的氣質(zhì)以及音樂傳遞和超越的力量。

　　還有是這種集體的蜂群也能刻畫出來。

　　Prompt:鏡頭輕輕飄過一排排粉刷過的木制蜂箱，嗡嗡作響的蜜蜂在畫面中進(jìn)進(jìn)出出。鏡頭落在站在畫面中央的優(yōu)雅農(nóng)民身上，他潔白的養(yǎng)蜂服在金色的午后陽光下閃閃發(fā)光。他舉起一罐蜂蜜，稍微傾斜以捕捉光線。在他身后，高大的向日葵在微風(fēng)中有節(jié)奏地?fù)u曳，花瓣在溫暖的陽光下閃閃發(fā)光。鏡頭向上傾斜，露出一座復(fù)古的農(nóng)舍，百葉窗是薄荷綠色的，搖曳的樹木在墻上投下斑駁的陰影。用35毫米鏡頭在柯達(dá) Portra400膠片上拍攝，金色的光線在農(nóng)民的手套、果醬罐和蜂箱的風(fēng)化木材上形成了豐富的紋理。

　　還可以切換鏡頭，從近景到遠(yuǎn)景，而在鏡頭之下，不管是蜂蜜還是咖啡的泡沫細(xì)節(jié)都有精確地刻畫。

　　Prompt:太陽在一盤擺放整齊的早餐場景后緩緩升起。濃稠的金色楓糖漿以慢動作倒在松軟的煎餅上，每一塊煎餅都散發(fā)出柔軟溫暖的蒸汽云。特寫鏡頭中，脆培根發(fā)出嘶嘶聲，金色油脂的細(xì)小余燼在空中飛舞�？Х纫皂樆�的旋轉(zhuǎn)動作倒入水晶般透明的杯子中，杯子里充滿了深棕色的咖啡油層。場景結(jié)束時，相機(jī)俯沖到新鮮切好的橙子上，以令人驚嘆的微距細(xì)節(jié)展示出它明亮多汁的果肉。

　　那么在根據(jù)人類對其性能的評估中，Veo2的表現(xiàn)優(yōu)于其他領(lǐng)先的視頻生成模型

　　在Meta基準(zhǔn)數(shù)據(jù)集 MovieGenBench上，人類參與者觀看了1003個提示和響應(yīng)的視頻。

　　結(jié)果顯示，跟市面上的主流視頻生成模型相比，Veo2.0在整體偏好、Prompt指令準(zhǔn)確遵循方面都表現(xiàn)最佳。

　　值得一提的是，這里除了Sora，國產(chǎn)模型可靈、MiniMax都上桌了。

　　所有的比較都在720P分辨率下進(jìn)行，Veo 采樣時長為8秒，VideoGen 采樣時長為10秒，其他型號采樣時長為5秒。我們向評分者展示完整視頻時長。

　　最后，他們表示，創(chuàng)建逼真、動態(tài)或復(fù)雜的視頻，并在復(fù)雜場景或復(fù)雜運(yùn)動的場景中保持完全一致性仍然是一項挑戰(zhàn)。他們將繼續(xù)開發(fā)和改進(jìn)這些領(lǐng)域的性能。

　　圖像模型Imagen3也增強(qiáng)了

　　除此之外，還增強(qiáng)了他們的圖像生成模型Imagen3。

　　可以生成更多樣化的藝術(shù)風(fēng)格，如現(xiàn)實(shí)主義、夢幻、肖像畫等等。

　　生成的圖像會更忠實(shí)于Prompt，哪怕這個Prompt有多么地離譜。(Doge)

　　而從各種生成的圖像來看，視覺效果也比之前更明亮，構(gòu)圖也更加平衡。