关于 Sora，我有十个小白问题

1. Sora？是啥意思？有啥含义没？

Sora在日语中是**“天空”的意思，引申含义还有“自由”**。

Sora 介绍页丨OpenAI在Sora官方介绍页里，你能看到在无数空中自由飞翔的纸飞机。它们看起来行动自主、探索自由，如果OpenAI最终造成AGI（通用人工智能），应该就是如此希冀的吧。Sora是一个AI视频模型，你光打一串文字，就能生成一个以假乱真的纯AI原创视频。除此之外，你还可以输入图片转成视频，用视频再转成新的视频……仅仅只有AI生成视频样片以及技术论文的释出，Sora已经在传播层面引发“地震”，不少人高呼影视行业变天了，有人甚至把美国电影工业的象征好莱坞改成了这样：
2. 人们吹爆它“炸裂”、“史诗级”、“现实不存在了”，根据是啥？最直观的，有些样片太真实了——人物的脸没那么“恐怖谷”，物体运动轨迹也很自然，画面的清晰度和顺畅程度，都像我们用手里的设备拍出来：
这太像我们用 GoPro 手持拍摄的画面了丨Sora相比竞品，Sora是“灭霸”级别。之前主流的AI生成视频都在4到16秒，还“卡成 PPT”，而Sora弯道超车，直接将时长拉到60秒。后者的画面表现，已经媲美视频素材库，放进视频当空镜完全可行。这让人们懵圈，只能感慨技术的发展有迹可循，技术的突破节点却较难预测。****3. 都嚷嚷着行业变天，人类下岗，Sora除了第一眼好，还有啥惊人玩法？****多机位：
Sora 生成自然融合两种完全不相干的场景：
Sora 生成视频还可以往前扩展，向后扩展；如果你对视频的局部（比如背景）不满意，直接更换就可以了。Sora还能直接以文生图，甚至还可以将图片转成动态视频，而且还不是目前流行的“小动物跳舞”呈现的粗糙效果：
Sora 生成**4. 把《三体》输进去，能直接出片吗？**我知道你很急，但你先别急。首先，目前就Sora所呈现的，**虽然有多机位效果，但都是单一情节单一镜头。**而《三体》有多人视角，叙事复杂，靠AI生成一条龙搞定并不现实。据一些影视行业从业者所说，目前AI生成虽然高效，但可控性不够，目前主要用在 demo制作、概念设计、分镜编排等环节。**5. 看到这里，你有一个大胆的想法？**打住！OpenAI正在评估Sora被滥用的风险，所以目前还没开放给公众，只给一批在误导信息、仇恨内容和偏见等领域的专家，以及创意人士使用。**6. 每次技术狂潮，打工人都最先焦虑，这次咋整？**记住一点，贩卖焦虑的，都是为了赚你的钱。虽然Sora都还没公测呢，但已经有人开始卖付费教程了。
目前的 Sora 也有“翻车”生成，如果这个能安慰到你的话丨Sora
AI技术推陈出新太快了，你刚在Pika上学了几个月怎么写提示词，结果“灭霸”Sora出现，此前积累的工具经验可能瞬间失效……既然如此，不如先别沉迷研究工具，而是在底层创作上多加操练？7. 我对被取代恐惧，对AI变得更黑箱也害怕继文字（GPT 系列）以及画像（DALL·E）后，OpenAI这次又在视频赛道“遥遥领先”……但这家将AI安全奉为初心的公司，在技术公开上却越来越不open了，有人戏称其为“ClosedAI”。这次Sora发布，OpenAI 现任 CEO Sam Altman在X上“在线接单”，帮网友生成视频，结果有人给了这样的提示词，guess what，Sam拉黑了他。
**8. 以后真分不清现实和AI生成了吗？**眼下有人让Gemini 1.5观看并分析以下这个Sora生成视频，Gemini指出：
Sora 生成- 樱花一般在春天开放，那时不下雪；

• 雪下得太均匀了；
• 虽然是下雪天，但人穿得很单薄。

于是，AI判定这个不是真实影像。还得**用魔法打败魔法啊！****9. 为什么就OpenAI做出来了？**因为OpenAI有GP和DALL·E的成功经验，在以往的技术范式之上，他们做出了新东西：不仅可以理解用户在提示中提出的要求，还能理解它们在物理世界中的存在方式。生成视频效果如此好，也因为Sora能更好地理解用户给的提示词，OpenAI 是怎么做的呢？根据官方的说法，他们利用DALL·E 3的re-captioning功能，给训练用的视频素材都加上了高质量文本描述，表示这样可以提高输出视频的整体质量。另外，你给的简短描述词，AI收到后会进一步扩写，再交由 Sora生成。更重要的是，Sora是一个Diffusion Transformer，Transformers被证明可以在语言建模、计算机视觉和图像生成等都能有极好性能。**10. 视频模型的训练很烧算力吧，OpenAI 耗得起吗？**大概一周前，Sam Altman宣布OpenAI启动“造芯”计划，因为目前 OpenAI每天生成约1000亿个单词，需要大量的GPU（图形处理器）芯片进行训练计算。他希望筹得7万亿美元。
Unsplash这个天文数字，不仅相当于全球GDP的10%，等同于2.5个微软、3.75个谷歌、4个英伟达、7个Meta，以及11.5个特斯拉的市值。