視頻生成模型 Sora 的效果驚艷了全球，從宣布至今，我們時常能夠看到各種基于 Sora 生成的視頻在互聯(lián)網(wǎng)上流傳，盡管它有一些小瑕疵，但其效果依然引入驚嘆。我們已經(jīng)迫不及待地想像當初 ChatGPT 發(fā)布一樣能夠立即使用上 Sora，然而在近日，據(jù) OpenAI CTO Mira Murati 在采訪中表示，Sora 目前還在開發(fā)和測試階段，OpenAI 計劃在今年內(nèi)的某個時間發(fā)布 Sora，目前仍在打磨中，且正在進行外部測試。

除了這個發(fā)布時間之外，Mira 還披露了 Sora 的其他幾個關(guān)鍵信息：

關(guān)于 Sora 生成視頻的時間：對于 720P 分辨率或 20 秒長視頻，生成時間大概在幾分鐘，這取決于提示的復(fù)雜性。

目前視頻依然沒有聲音，但未來 Sora 可能會支持視頻音效。

在 Sora 的訓(xùn)練之中，Sora 的數(shù)據(jù)源是大家頗為關(guān)心的問題。當被問及 Sora 訓(xùn)練的素材是否包括 YouTube、Instagram 和 Facebook 上的視頻時，Mira Murati 的回答是不確定的。她沒有明確確認這些平臺的視頻是否被用作訓(xùn)練數(shù)據(jù)，稱 Sora 的訓(xùn)練數(shù)據(jù)來自公開可用和授權(quán)的數(shù)據(jù)，最后結(jié)束后確認訓(xùn)練數(shù)據(jù)包括 Shutterstock 的內(nèi)容。

計算資源：Sora 的生成過程相比之前 ChatGPT 需要更多的計算資源，OpenAI 正在致力于優(yōu)化技術(shù)，相信未來應(yīng)該也會和此前 Altman 所講的 GPT 一樣，成本得到大幅降低，最終能夠極大地便于公眾使用。

安全性和可靠性：Sora 目前正在進行紅隊測試（測試工具的安全性、可靠性和缺陷），以識別潛在的漏洞、偏見和其他有害問題。

內(nèi)容限制：與 DALL-E 類似，Sora 在生成內(nèi)容時也會有一些限制，例如不生成公眾人物的圖像（但 DALL-E 很神奇的是能夠生成公司 logo），以避免誤導(dǎo)和濫用。

裸露內(nèi)容：關(guān)于裸露內(nèi)容的處理，提到 OpenAI 正在與藝術(shù)家和創(chuàng)作者合作，以確定工具應(yīng)該提供的靈活性水平和合理的限制，但沒有具體提到如何區(qū)分藝術(shù)和色情的內(nèi)容。

正在研究對視頻進行水印標記，但是相對于水印，視頻內(nèi)容的審核限制更為重要，因為隨著生成的視頻更加真實，用戶將無法分辨視頻內(nèi)容的真實性，防止生成誤導(dǎo)內(nèi)容。

對于 Sora 我們至今依然只能通過它的技術(shù)報告論文以及各種討論里尋找蛛絲馬跡，這也給復(fù)現(xiàn) Sora 帶來了極大的難度。目前國內(nèi)潞晨科技、北京大學(xué)與兔展已初步實現(xiàn)了 Sora 復(fù)現(xiàn)的方案并均已開源，并取得了不錯的反饋。除了精準控制這一視頻生成的重要模塊之外（Sora 本身也正在致力于解決精準控制這一問題），對于復(fù)現(xiàn)目前面臨的最大難題依然是算力不足和數(shù)據(jù)源的需求，從 Mira Murati 的分享中我們也可以一窺其未來方向。

審核編輯：劉清