2月16日凌晨，OpenAI在官网发布了创新性文生视频模型——Sora。
从OpenAI在官网展示的Sora生成视频的效果来看，在生成视频质量、分辨率、文本语义还原、视频动作一致性、可控性、细节、色彩等方面非常好！
特别是可以生成最长1分钟的视频！超过Gen-2、SVD-XT、Pika等主流产品，一出手就是王炸。
2023年9月21日，OpenAI发布了文生图模型DALL·E 3，加上现在的Sora以及之前的语音模型Whisper，ChatGPT已经具备了文本、图像、视频、音频4大多模态功能，AGI离我们还远吗？
Sora简单介绍
目前，文生视频领域因为帧间依赖处理、训练数据、算力资源、过拟合等原因，一直无法生成高质量的长视频。
而Sora最大技术突破是，可以在保持质量的前提下，生成1分钟的视频，在业内非常罕见。这也再次展示了OpenAI在大模型领域超强的技术研发能力。
Sora是一种扩散模型，主要通过静态噪音的视频开始生成视频，然后再通过多个步骤去除噪音，逐渐转换视频。
Sora与ChatGPT一样采用的是Transformer架构，并使用了DALL-E 3中的重述技术，是一种为视觉训练数据生成高精准描述性的字幕。所以，Sora在生成视频过程中精准还原用户的文本提示语义。
功能方面，除了文本生成视频之外，Sora还能根据图像生成视频，并能准确地对图像内容进行动画处理。也能提取视频中的元素，对其进行扩展或填充缺失的帧，功能非常全面。
稍晚一些OpenAI会发布Sora论文，「1ai」为大家带来更深度的技术解读。
声明：内容均采集自公开的网站等各类媒体平台，若收录的内容侵犯了您的权益，请联系邮箱，本站将第一时间处理。