OpenAI發(fā)布首款視頻生成模型Sora

發(fā)布時間：2024-02-16 15:59:14來源：逗游作者：逗游網(wǎng)

• 游戲類別：休閑益智
• 游戲大小：0 M
• 游戲語言：簡體中文
• 游戲版本：v1.0.0

ChatGPT開發(fā)團隊OpenAI發(fā)布了最新的視頻生成模型“Sora”，此模型可以根據(jù)文字指令能生成長達1分鐘的首款視頻生成高清視頻，并且有一定的模型岳陽外圍（上門SPA）vx：365-*2895）“現(xiàn)實模擬”能力，相比制作游戲的發(fā)布物理引擎，其上限要高得多，首款視頻生成下面帶來詳細介紹。模型

1.他們能訓(xùn)練出這個模型的發(fā)布基礎(chǔ)是：找到了一種統(tǒng)一的用文本描述視頻材料的范式，得以讓大量的首款視頻生成視頻以及對應(yīng)的描述材料去訓(xùn)練模型，得到這個模型能力就是模型岳陽外圍（上門SPA）vx：365-*2895）文本和視覺呈現(xiàn)之間的某種互相生成關(guān)系（能力），那如何得到大量帶有相應(yīng)文本字幕的發(fā)布視頻呢？

他們應(yīng)用了 DALL·E 3 中的重構(gòu)字幕技術(shù)（原來是針對圖片的）到視頻。首先訓(xùn)練一個高度描述性的首款視頻生成字幕生成器模型，然后使用它為訓(xùn)練集中的模型所有視頻生成文本字幕。 可以想見，發(fā)布訓(xùn)練及使用模型耗費的首款視頻生成算力驚人，所以不太可能在短期內(nèi)大范圍開放；

2.大的模型框架是：擴散模型+時空補丁，基于深度學(xué)習(xí)的擴散模型，讓一個隨機噪聲分布（指向圖像的）轉(zhuǎn)變成有意義的圖像或視頻內(nèi)容，而時空補丁，定義了一個時間序列，使畫面的的變化符合時間邏輯；

3.Sora 可以采樣寬屏 1920x1080p 視頻、垂直 1080x1920 視頻以及介于兩者之間的所有視頻。因為是直接生成而不是裁剪視頻，在取景，動態(tài)效果上也有一定優(yōu)勢；

4.這個模型還有幾個出人意料但合理的能力：

a.它可以從一個時間點，向前或者向后去延伸視頻，也就是說以某個畫面為基點，生成這個時點之前的一段視頻或之后的一段視頻；

b.自如改變視頻的風(fēng)格和環(huán)境；

c.通過插值方式自然的將兩個視頻連接起來；

d.這一點非常重要，就是這個模型涌現(xiàn)出了一定的“現(xiàn)實模擬”能力，在展示視頻中我們看到的不同的鏡頭運用，包括 3D畫面的一致性（比如同一物體因為鏡頭變化，呈現(xiàn)出的在視覺上保持形狀的一致），還包括現(xiàn)實物體的交互（比如要面包后面包上的咬痕）并非刻意設(shè)計,或者“建模”的結(jié)果，而是自然涌現(xiàn)的，這點我們在純語言模型上已經(jīng)見識過了。

而在這個模型上面涌現(xiàn)出的能力，用文章中的原話來描述“是開發(fā)物理和數(shù)字世界以及生活在其中的物體、動物和人的強大模擬器的一條有前途的道路。”