【观点】语言就是现实：20个预言剖析OpenAI的Sora

凌晨，OpenAI 介绍了其在 AI 视频领域的新技术进展：我们打造了一种名为Sora的文本到视频模型。Sora能够生成长达一分钟的视频，同时保持视觉质量和对用户提示的遵循。

简单来说，Sora可以根据简单的提示和静态图像，生成包含多个角色的视频画面。此外，Sora还可以自己“脑补”、“扩展”现有视频片段。

用词语总结Sora，那就是：“60s超长长度”“单视频多角度镜头”“充满情感的角色”“高度拟真的细节”和“世界模型”。

这项技术一经发布，立刻引爆大众，令无数人发出感叹：

“OpenAI第三个大招——向所有影视公司抛出二向箔”

“彻底端掉视频行业饭碗！OpenAI首个AI视频模型炸裂登场”

“60秒一镜到底惊人，世界模型真来了？” CXO UNION-CXO联盟（cxounion.cn）

“太炸了！OpenAI深夜发布，文字直接生成视频！网友：我要失业了”

OpenAI 在官方网站特别指出，所有的视频都是由 Sora 直接生成的，没有做过后期调整。

OpenAI指出，Sora与 GPT 模型类似，也使用了diffusion transformer架构，是一种扩散型变换器模型。OpenAI将视频和图像的数据表示为patch，类似GPT中的token。技术上，Sora生成的视频中，主体可以在三维视频中进行连续运动。

当无数人都在等待OpenAI 公测的时候，Sam Altman已经自己玩嗨了。

他发推疯狂安利的同时，还亲自下场为网友生成视频：你们随意来prompt，我一一输出。

这时，Sam Altman的身份是剪辑师？摄影师？演员？还是导演？

去年，娱乐资本论在采访AI创业者时，有人提出AI视频将在今年迎来大爆发，前途不可限量。

没想到，时间来得如此之快。 数字化转型网（www.szhzxw.cn）

那么，Sora将会为世界带来哪些改变？

01 一段文字就能生成短片，视频内容将会大规模爆发，原有的岗位结构将会发生变化，例如摄影师、剪辑将不再存在，编剧可以直接生成电影；

02 讲故事的能力会越来越重要；

03 如果你不会讲故事，那么从古书、小说中爬取故事的能力也会很重要，人类历史上的大量文字内容，将会以视频内容的形式再现； CXO UNION-CXO联盟（cxounion.cn）

04 Sora生成的内容，将会最先在短视频领域爆火。因为这个行业对技术的要求低，且Sora可以相对低成本地产出大量具备猎奇性的内容；

05 特效行业的诸多镜头可以直接使用AI生成；

06 以后拍戏不需要这么多演员了；

07 游戏、动画行业的制作成本将会被大大降低，建模过程可以直接省略了；

08 以后自己写剧本、自己生成视频，再加上人机交互的机器，《头号玩家》的剧情会加速到来；

09 人人都有机会成为AI导演；

10 Sora将会加速数字人、自动驾驶、智慧成本、元宇宙等行业的发展，降低了数字资产的成本；

11 AI视频赛道将会迎来新的竞争点。此前被众人看好的Pika、Runway需要重新思考发展方向；

12 当视频被生成以后，世界是真实的可能性越来越微乎其微。继电话、数字人诈骗后，新的诈骗手段也会层出不穷；

13 客观来看，Sora的视频现在还存在着不连贯帧数、卡帧、断帧等问题，准确性不足等问题，但这些都会随着技术的进步而解决。

一、世界模型意味着什么？

维特根斯坦在《逻辑哲学论》里说，句子是实在的图像语言，意思是句子、语言可以影射世界的真实状态，语言就是我们的世界模型。 CXO UNION-CXO联盟（cxounion.cn）

而现在，Sora已经通过大量的数据，能够理解物理世界的运动规律，学会了关于3D几何形状和一致性的知识，通过运动、反射等方式，创建了一个包含物理规则、与真实世界接近的虚拟世界。

某种程度上来说，Sora已经可以像人一样，对世界有了全面准确地认知。

例如，Sora在生成“色彩缤纷的鱼类和海洋生物充斥的，由纸艺精心构建的珊瑚礁世界”为主题的视频中，可以自己通过运镜拍摄，展现内容。

项目研究员Bill Peebles指出，“视频中实际上发生了多次镜头转换——这些镜头并非后期拼接而成，而是模型一气呵成地生成的。我们并没有特别指令它这么做，它却能自动完成。”

二、Sora的成果

提示词：一位时尚女性走在充满温暖霓虹灯和动画城市标牌的东京街道上。她穿着黑色皮夹克、红色长裙和黑色靴子，拎着黑色钱包。她戴着太阳镜，涂着红色口红。她走路自信又随意。街道潮湿且反光，在彩色灯光的照射下形成镜面效果。许多行人走来走去。 CXO UNION-CXO联盟（cxounion.cn）

一镜到底的60秒视频里，主体人物和背景都十分稳定，且全景、特写、镜头推拉摇移都有，有着复杂的摄影机运动。细节上水中的倒影也在变化。主体人物走动的时候，背景的招牌也在不断发生变化。有氛围，风格绚丽，堪比电影大片的质感。以后导演做创投的时候可以直接用AI生成短片，无需花高价拍摄了。

提示词：一个美丽的剪影动画展示了一只狼对着月亮嚎叫，感到孤独，直到它找到狼群。

整个视频通过蓝色的背影和狼的剪影，极好地展现出了狼的孤独，剧情上从一匹狼到多匹狼过渡自然，镜头语言上全景和中景、特写交替切换。Sora不仅懂拍摄，还可以识别人类的情绪。

提示词：与中国龙一起庆祝中国农历新年的视频。

龙的形象十分真实且符合节日氛围，人群也很有春节的氛围。

提示词：一位24岁女子在魔法时刻站在马拉喀什，眨眼的特写镜头，70毫米拍摄的电影胶片，景深，生动的色彩，电影。 CXO UNION-CXO联盟（cxounion.cn）

视频中，人物的皮肤细节、睫毛都是十分逼真，和真人实拍几乎没有差别。

三、结语

OpenAI也宣布，将在今天晚些时候，更新技术论文。不过根据Openai之前的发布风格，当真正有用的东西出来的时候，他们只会公开有限的东西，就像GPT4本身到现在也没有发布详细的技术参数。

或许，当Sora最终跟大家见面，就是在GPT5和ChatGPT相结合发布的时候。先不用说那时会有多炸裂的改进，就算跟现在Pika或Gen-2相近的视频生成功能，可以在ChatGPT不额外花钱使用，那也将会给用户带来很大的改变。

由CXO UNION-CXO联盟（cxounion.cn）转载而成，来源于娱乐资本论；编辑/翻译：CXO UNIONCXO联盟小U。

如需加入CXO UNION（CXO联盟）高管社群，请联系社群小伙伴哦~

免责声明: 本网站(http://www.cxounion.cn/)内容主要来自原创、合作媒体供稿和第三方投稿，凡在本网站出现的信息，均仅供参考。本网站将尽力确保所提供信息的准确性及可靠性，但不保证有关资料的准确性及可靠性，读者在使用前请进一步核实，并对任何自主决定的行为负责。本网站对有关资料所引致的错误、不确或遗漏，概不负任何法律责任。

本网站刊载的所有内容(包括但不仅限文字、图片、LOGO、音频、视频、软件、程序等) 版权归原作者所有。任何单位或个人认为本网站中的内容可能涉嫌侵犯其知识产权或存在不实内容时，请及时通知本站，予以删除。