OpenAI 於今日公開他們最新 AI 模型「 Sora 」，Sora 可以透過文字生成長達一分鐘的影片，同時還能保持視覺品質並依照使用者輸入的文字製作出符合指令的影片。 OpenAI 現在正嘗試教導 AI 理解並模擬物理世界的運動，目標是將 Sora 訓練成能幫助人們解決需要與真實世界互動的問題的模型。 [embed]https://TWITTER.com/gdb/status/1758193811489243408?s=20 [/embed] 影片創作者惡夢來了！ OpenAI 公開最新文字生成影片服
OpenAI 推出全新 Sora 模型，正式宣告生成式 AI 已經從文字進化到影片！從 OpenAI 展示的影片，幾乎分辨不出來是 AI 產生的，只需要輸入文字，就能夠產生 1 分鐘的短片，完全是電影級的影片，各式的細節，不論是街道、人物、招牌等都非常逼真，任意輸入幾個文字，人人都可以產生電影級的電影作品，各位可以一起來看看這個劃時代的 AI 進展。
Sora 是一個 OpenAI 全新推出的 AI 模型，可以從文字指令中建立逼真和富有想像力的影片場景，目前影片長度限制為 1 分鐘。技術方面的原理則是 Sora 為一種擴散模型，它從看起來像靜態雜訊的影片開始產生，然後透過多個步驟消除雜訊來逐漸轉換成影片。與 GPT 模型類似，Sora 使用 transformer 架構，產生出卓越的擴展表現。
Sora 模型訓練過程中，還經過視覺藝術家、設計師和電影製作人等專家的建議進行修正。Sora 能夠產生具有多個角色、特定運動、主題/背景的準確細節進行影片生成。此模型不僅了解使用者在文字敘述中要求的內容，還了解這些東西在物理世界中的存在方式。Sora 模型是建立在過去 DALLE 和 GPT 模型的基礎下而生的。它使用了 DALL·E 3 涉及到視覺訓練數據產生高度描述性的標題。因此，該模型能夠更忠實根據文字而產生符合描述的影片。
Sora 對語言有更深刻的理解，因此能夠精準產生符合使用者敘述的的生動角色，此外還可以在單部影片中建立多個鏡頭，準確保留角色和視覺風格。關於文字的限制，若有暴力、色情內容、仇恨、名人肖像等文字敘述，OpenAI 會確保這些內容不會被顯示出來，以符合使用者政策。
不過目前 Sora 模型也有弱點，像是難以精準類比複雜場景的物理特性，並且可能無法理解因果關係。例如：跑步機上的人往反方向跑，或是一個人咬一口餅乾，餅乾卻可能沒有咬痕等情形。資料來源：OpenAI
