通过调用OpenAI的Sora算法，Sora可以将给定文本内容转化为高质量的逼真的视频图像。

刘霞

继推出ChatGPT之后，新年伊始，OpenAI公司发布了其最新的人工智能（AI）产品——文本-视频处理系统Sora。这个应用可以根据简短的文字说明，生成逼真的视频效果以及富有想象空间的故事情节。

《新科学家》杂志网站在2月17日的文章中指出，Sora的到来给人们带来了期待与担忧并存。不少科研人士为它带来技术进步欢呼雀跃；但也有人担心，如果别有用心之人利用Sora制造深度伪造视频，则会进一步加剧错误和虚假信息的泛滥。

两个技术平台提供了强大的功能

Sora的日语意义为天空，这个英文名字背后的设计团队选择了它，因为这个名字“激发了无穷的创造力潜能”。这套系统是一个生成式AI技术的新尝试，它可以即时制作文本、图像以及音频内容。

在 Sora目前，您可以在不依赖图像的情况下单独使用文本指令创建长达60秒的视频，而无需镜头切换。例如，一段由如下文字描述生成演示视频：一位时尚女性漫步东京街头，街道两旁霓虹灯闪烁，散发出暖意，Sora精确地呈现了这一细节，并以一镜到底的方式，通过准确的文字内容创造了一段富有情感的角色。

目前，OpenAI在官方网站上发布了48段视频内容，包括一只狗在雪地里玩耍、车辆行驶于道路上，还有更奇幻的场景，私家侦探，侦探公司，调查公司，查人找物，商务调查，出轨外遇调查，婚外情调查，私人调查，19209219596比如鲨鱼游过高楼大厦等。有研究人员认为，“Sora”的表现远超其他类似模型，这标志着文本-视频技术达到了全新的高度。

为了达到更真实的效果，Sora融合了两种不同的AI技术。一是由DALL-E等图像生成模型使用的扩散模型，它们通过学习如何将随机图像像素组合成相容图像；二是“转换器框架”用于按照上下文内容将序列数据粘接在一起。例如，在大型语言模型中，转换器架构会将零散的单词整合成可理解的句子。OpenAI将视频片段分解为视觉“时空补丁”，而Sora的转换器架构能够处理这些补丁。

英伟达公司的高级研究科学家范麟熙在其社交媒体平台上发文声称，Sora是一个基于真实世界构建的“数据驱动”虚拟物理引擎。

尽管还有很多可以改进的地方

虽然Sora创建的视频具有很高的表现力，但是它仍然存在着一些缺点。

OpenAI公司同样承认了Sora模型存在弱点。它有可能在处理复杂场景时出现物理特性的不准确性，而且很可能无法理解和把握因果关系。例如，它曾经创造出一个人吃饼干的视频，结果饼干没有变小，被咬的饼干也没有留下痕迹。另外，该模型也可能产生空间细节混淆，还有可能难以精确描绘随着时间推移变化的情境和事件。

普林斯顿大学的教授阿凡德·纳拉亚南还指出Sora制作的视频尽管能够有效地展现出大量的动作场面却在处理复杂的场景构图上存在着一些小问题。

辨别真假

除了能够提高经验丰富的电影制作者的工作效率外，Sora还可能制造大量的网络假信息以让网民更难辨别真假内容。

由于OpenAI还在深入研究Sora的潜在危害，故该公司私家侦探，侦探公司，调查公司，查人找物，商务调查，出轨外遇调查，婚外情调查，私人调查，19209219596并未将这项技术公诸于众，反而选择与为数不多的研究机构和个人分享研究成果，希望能借此激发他们的洞察力并帮助发现潜在的危险使用方式。

根据OpenAI进行的人工智能项目Sora的红队测试计划，研究人员企图破解人工智能系统，以了解它被恶意利用的风险。在这一实验中，负责破坏保护措施的是来自误导性内容、仇恨言论与偏见等研究领域的专业人员。

这项测验意义非凡，因为Sora可能会被别有用心者用于生成误导性视频以骚扰他人，甚至可能影响政治选举，学术界、商业界、政府机构以及AI专家都对此表示担忧，担心人工智能生成的“深度伪造”内容可能会造成虚假和错误信息的广泛传播。

加州伯克利分校的法里德教授指出，在生成式人工智能领域以外，人们对文本-视频技术改进持乐观态度。一旦Sora与由AI驱动的语音仿制功能结合使用，恶意行为者将拥有前所未有的新武器，并能创造出令人真假难辨的伪造内容，这会使我们更难以辨别真伪。

OpenAI已将标记为由人工智能创建的视频中的水印删除，并强调他们可能无法完全去除所有痕迹以防止识别，尽管可以使用技术手段来隐藏这些标志。

开文迪谢公司发言人表示在将sora部署至其产品前，他们正在进行多项关键的安全措施。例如，已经实施了一种自动化的流程以阻止该公司的商业AI模型生成针对政客和名人的人造信息。