OpenAI 推出了 Sora，这是一种新的 AI 模型，能够根据文本指令创建逼真的视频场景

马德里，2 月 16 日（Portaltic/EP）-

开放人工智能 已提出 索拉， 他的新 由生成人工智能 (AI) 驱动的模型 能够创造 长达 60 秒的逼真视频场景 从 文字说明具有详细的结果、复杂的摄像机运动和多个带有情感的角色。

这家美国科技公司打算继续推进人工智能能力，特别是培训 帮助人们解决需要与现实世界交互的问题的模型。 为此，它一直在研究如何教导人工智能理解和模拟运动中的物理世界。

因此，OpenAI 推出了 索拉， 他的新 文本到视频的人工智能模型， 与哪个 允许创建长达一分钟的逼真视频 基于用户提供的文本指示的持续时间。

因此，正如详细的 公司在其网站上 并通过一个分享 刊登 （前 Twitter），Sora 允许创建 具有“高度详细”场景的视频”，以及 “复杂”的摄像机运动 和 多个角色的整合 即使 表现出情绪。

隆重介绍 Sora，我们的文本转视频模型。

Sora 可以创建长达 60 秒的视频，其中包含高度详细的场景、复杂的摄像机运动以及充满活力的情感的多个角色。 https://t.co/7j2JN27M3W

提示：“美丽的，白雪皑皑的…… pic.twitter.com/ruTEWn87vf

— OpenAI (@OpenAI) 2024 年 2 月 15 日

要创建这些视频，用户只需 编写一系列说明，详细说明哪些特征 必须包括场景，例如 人物 和 行动 他们将执行的 大约他 气候和 相机动作 必须重新创建。

例如，OpenAI 分享的一个样本视频有以下指示：一名 24 岁女性的眨眼特写，日落时分站在马拉喀什，70mm 电影胶片拍摄，景深，色彩活着，电影。

具体来说，Sam Altman 领导的公司强调，该模型能够执行如此精确的场景，因为它不仅能够理解用户在文本指令中请求的内容，还能够 他还能够理解这些事物如何存在于物质世界中。

沿着这条线，我们必须考虑到它的 广泛的语言知识， 允许索拉 “准确地”解释所有文本提示， 例如，创造表达“充满活力的情感”的现实角色。

索拉甚至有能力 从现有的静态图像生成视频，准确地动画图像内容且不丢失细节。 同样，它也允许 延长现有视频的持续时间 哦 完成一些框架。

就其运作而言， Sora 从其他视频生成视频 根据 OpenAI 的说法，这似乎“静态噪声”。这样，模型 逐渐转变消除噪音 经过许多步骤，直到达到真实图像的可视化。

同样，与 GPT 模型一样，它使用 《变压器架构》 据该公司称， 释放卓越的扩展性能。 具体来说，视频图像表示为 “较小数据单元的集合”被称为 补丁。 因此，每个补丁都是 相等的 仍然 令牌不是 GPT。

目前，使用新的 模型仅适用于 OpenAI 红队成员该团队致力于研究该服务，以对其进行测试并检查它出现的错误以及可能存在的风险。

同样，Sora 也被 由一组视觉艺术家、设计师和电影制作人测试正如该公司所解释的那样，为了了解该模型可能的改进，并使其对创意专业人士尽可能有用。

事实上，正如 OpenAI 所分享的，该模型仍然是 存在一些困难 代表问题 与空间、物理或因果行为有关。 例如，如果指定视频应显示一个人咬饼干，则该饼干稍后可能会出现在没有咬的另一个场景中。

同样，也可能会出现错误，例如模型左右混合，或者无法遵循特定的相机路径。

针对误导或有害内容的安全措施

尽管如此，OpenAI 强调他们正在采取 各种安全措施 在该模型普遍可供更多用户使用之前，他们将在 Sora 中实现这一点。 为此，他们正在与红色团队合作，该团队也拥有虚假信息、煽动仇恨和伤害内容领域的专家。

另一方面，奥特曼的公司是 开发工具来检测误导性内容。 这是一系列功能，可以对 Sora 生成的视频进行分类，以将其与其他类型的视频或真实视频进行识别。 这些功能之一是 C2PA元数据实现验证内容和相关信息来源的标准。

除此之外，目前 由 DALL·E 3 提供支持的其他技术产品已使用的安全方法 正如他所说，这也适用于索拉。

这些安全方法 验证并拒绝违反使用策略的文本输入请求，与极端暴力、性内容、仇恨图像或个人图像相关的问题也是如此。 同样，也 他们有图像分类器来检查每个视频的帧 确保公司政策得到遵守， 在将其展示给用户之前。