12月10日，OpenAI（美國人工智能研究公司）宣布正式向用戶開放人工智能AI視頻生成模型Sora，該系統(tǒng)可以根據(jù)文本提示生成逼真的視頻。截至當(dāng)日，距離OpenAI首次公開預(yù)覽這款產(chǎn)品已過去了10個月時間。
OpenAI相關(guān)負(fù)責(zé)人表示，Sora將于當(dāng)天晚些時候向美國及其他市場的ChatGPT付費(fèi)用戶開放。新版工具SoraTurbo可以生成最長達(dá)20秒的視頻，并且可以提供這些視頻的多種變體。
據(jù)悉，Sora的發(fā)布是OpenAI為期12天的產(chǎn)品直播活動的一部分。作為視頻生成領(lǐng)域龍頭，Sora發(fā)揮著“鲇魚效應(yīng)”。據(jù)《證券日報》記者不完全統(tǒng)計，自Sora發(fā)布以來，國內(nèi)外已有近20家公司發(fā)布或更新了視頻生成模型。
美股視頻巨頭遭沖擊
據(jù)了解，Sora能夠根據(jù)用戶輸入的描述性提示快速生成視頻，并及時向前或向后擴(kuò)展現(xiàn)有視頻。
Sora引發(fā)了全球科技產(chǎn)業(yè)的震動，尤其是在視頻生成領(lǐng)域。Sora以其極高的生成質(zhì)量、快速的響應(yīng)時間和低成本的生成方式，一度讓一些傳統(tǒng)視頻公司面臨巨大壓力。
以Adobe Systems Incorporated（以下簡稱“Adobe”）為例，其股價曾在Sora首次發(fā)布的次日（2月16日）大跌了7.41%，創(chuàng)去年11月1日以來的新低，市值在短短一個交易日蒸發(fā)了近198億美元。
Adobe長期以來在圖像處理、視頻編輯軟件等領(lǐng)域占據(jù)領(lǐng)先地位，而OpenAI此次發(fā)布的Sora技術(shù)，將視頻生成的門檻大大降低。市場普遍認(rèn)為，Sora的發(fā)布可能會改變視頻創(chuàng)作的格局，Adobe的市場份額受到威脅。
不過，市場上也有另一種觀點(diǎn)，認(rèn)為像Sora這樣的開放式模型，無法為專業(yè)人士提供同等的安全保障，Sora的主要使用場景可能僅限于社交媒體平臺。在專業(yè)用戶市場上，Adobe的領(lǐng)導(dǎo)地位依然無法撼動。
面對Sora的沖擊，國外企業(yè)加速布局AI視頻生成領(lǐng)域。2024年Runway AI,Inc.發(fā)布Gen-2模型，在視頻生成領(lǐng)域迅速重回第一梯隊陣營。用戶只需輸入文字描述，即可生成一段4秒的視頻，并且可以根據(jù)需求調(diào)整分辨率和幀率。
而就在Sora正式向用戶開放的幾天前，當(dāng)?shù)貢r間12月4日，谷歌旗下人工智能研究機(jī)構(gòu)DeepMind Technologies Limited發(fā)布了一款名為Genie2的新型模型，可通過單張圖片和文字描述生成“無限”種類的可玩3D世界。
貝恩咨詢公司商品戰(zhàn)略顧問總監(jiān)潘俊在接受《證券日報》記者采訪時表示，Sora的發(fā)布將對現(xiàn)有的視頻生成模型生態(tài)產(chǎn)生重大影響。它將打破傳統(tǒng)視頻制作的技術(shù)壁壘，為視頻生成領(lǐng)域帶來新的競爭格局。其他視頻生成模型公司可能會面臨來自Sora的競爭壓力，需要調(diào)整其產(chǎn)品和服務(wù)以適應(yīng)新的市場需求和技術(shù)趨勢。未來，視頻生成領(lǐng)域的競爭格局可能會更加激烈，創(chuàng)新和差異化將成為關(guān)鍵。
國內(nèi)企業(yè)積極布局
Sora的發(fā)布也促使國內(nèi)科技巨頭紛紛加緊文生視頻大模型的研發(fā)。
中國電信集團(tuán)有限公司在2024數(shù)字科技生態(tài)大會上發(fā)布及更新了昆侖云網(wǎng)能力開放平臺、“息壤”算力服務(wù)、視覺大模型及文生視頻大模型等方面的進(jìn)展；12月3日，深圳市騰訊計算機(jī)系統(tǒng)有限公司旗下騰訊混元大模型（以下簡稱“騰訊混元大模型”）官微發(fā)布消息稱，騰訊混元大模型正式上線視頻生成能力，參數(shù)量130億，是當(dāng)前最大的視頻開源模型；北京快手科技有限公司推出可靈AI，這款A(yù)I視頻生成模型可以生成長達(dá)兩分鐘的1080p視頻，還支持多種視頻輸出比例，并可以模擬現(xiàn)實世界的物理特性。
清華大學(xué)戰(zhàn)略新興產(chǎn)業(yè)研究中心副主任胡麒牧在接受《證券日報》記者采訪時表示，雖然目前這些國內(nèi)公司推出的視頻生成技術(shù)在部分功能上與Sora尚有差距，但它們的迅速跟進(jìn)顯示出國內(nèi)企業(yè)對AI視頻生成技術(shù)的重視。自Sora發(fā)布以來，國內(nèi)視頻大模型的生成效果顯著提升，與Sora的差距在不斷縮小，部分功能甚至已實現(xiàn)趕超。
例如，北京智譜領(lǐng)航科技有限公司全新迭代的AI視頻模型“新清影”，在文生視頻性能上實現(xiàn)了進(jìn)一步提升，支持10秒時長及4K、60幀超高清畫質(zhì)，以及任意尺寸的視頻輸出，并自帶音效和更好的人體動作及物理世界模擬。
北京火山引擎科技有限公司總裁譚待表示，視頻大模型的技術(shù)突破十分困難，需要大模型能理解復(fù)雜指令，包括對多鏡頭語言的運(yùn)用，實現(xiàn)多個主題的交互視頻，保持風(fēng)格的一致性等。當(dāng)前視頻生成功能仍有很多難關(guān)亟待突破。豆包兩款模型會持續(xù)演進(jìn)，在解決關(guān)鍵問題上探索更多可能性，加速拓展AI視頻的創(chuàng)作空間和應(yīng)用落地。
推動多模態(tài)大模型創(chuàng)新
在文生視頻算法領(lǐng)域，國內(nèi)也取得了顯著進(jìn)展。中國國家互聯(lián)網(wǎng)信息辦公室公開信息顯示，今年以來國內(nèi)共有2277個深度合成服務(wù)算法通過備案。其中，主要用途描述中帶有可實現(xiàn)文生視頻能力的算法共34個，備案名稱中明確界定為“文生視頻算法”的僅有6個。
例如，商湯集團(tuán)有限公司通過備案的商湯V-ME視頻合成算法支持已有人物視頻、動畫、聲音、文字等多種元素進(jìn)行驅(qū)動。天娛數(shù)字科技（大連）集團(tuán)股份有限公司子公司北京智境云創(chuàng)科技有限公司在今年6月份一次性通過了“智境云創(chuàng)人臉融合算法”“智境云創(chuàng)文本生成視頻算法”“智者千問大語言模型算法”三項算法備案。
德邦證券股份有限公司分析師陳涵泊表示，Sora的正式開放，有望成為全球視頻生成領(lǐng)域的新標(biāo)桿，加速多模態(tài)大模型的迭代與應(yīng)用。
在潘俊看來，Sora的推出有望加速AI在視頻生成領(lǐng)域的商業(yè)化進(jìn)程。由于Sora具有高度的創(chuàng)新性和廣泛的應(yīng)用潛力，預(yù)計將吸引許多企業(yè)投資和合作，包括內(nèi)容創(chuàng)作者、廣告公司、電影制作公司等。隨著商業(yè)化的推進(jìn)，Sora可能會為視頻生成領(lǐng)域帶來新的商業(yè)模式。
“不過，Sora遠(yuǎn)未達(dá)到替代人類內(nèi)容創(chuàng)作的程度，其發(fā)展水平僅相當(dāng)于GPT-1，尚處于起步階段。對于其他視頻生成模型公司而言，真正的競爭才剛剛開始。它們將在算力、數(shù)據(jù)和算法這三個關(guān)鍵領(lǐng)域展開角逐。”工業(yè)和信息化部信息通信經(jīng)濟(jì)專家委員會委員盤和林向《證券日報》記者表示。
此外，胡麒牧表示：“技術(shù)創(chuàng)新與安全倫理之間的平衡是AI技術(shù)發(fā)展中的重要問題。在推動技術(shù)發(fā)展的同時，我們必須充分關(guān)注其可能帶來的社會影響，如隱私保護(hù)、版權(quán)爭議以及濫用風(fēng)險等問題，確保技術(shù)在符合倫理和社會責(zé)任的基礎(chǔ)上得到合理應(yīng)用。”（來源：證券日報）
