“夕阳西下,一位74岁的老奶奶农民干完田里的活,脚步疲惫地穿过堤坝回家。(镜头特写眼眸)她在半路稍作停留,带着悔意望着落下的太阳。”、“蚂蚁集体猎捕作为食物的蚯蚓后,进入由地下无数房间构成的蚁穴内部。”、“食物从口腔经食道、胃、肠直至排出,经历机械性与化学性消化过程。”……
像这样,只需把想要的场景和画面用一两句话输入基于文字的视频生成人工智能(AI)模型“Sora”,数秒内就能获得最长1分钟的视频。
ChatGPT开发商OpenAI于15日公开了Sora,引发巨大关注。目前OpenAI官网上有约50个Sora视频。其中许多视频在无人拍摄、无需电脑图形(CG)制作的情况下看起来逼真且相对准确。也就是说,无需投入大量人力和成本,就能轻松制作广告视频、3D动画电影、教育视频等。不仅可以用照片生成视频,还能扩展已有视频或补全所需场景。
当然,这项技术目前在100%实现前后因果关系方面仍有局限,但预计将以越来越快的速度进化。利用Sora制作短篇动画《西游记》的中国博主“AI疯人院”表示:“我有15年美术经历,若手工制作至少需要半年,用Sora一周就完成了”,“速度比(《西游记》主角)孙悟空还快”。
OpenAI方面解释称:“可以快速将多个角色、特定类型的动作、复杂场景等制作成视频”,“能够准确解读文字指令,生成表达生动情感的富有魅力的角色”。与OpenAI对立并于去年创办AI公司的特斯拉、SpaceX首席执行官埃隆·马斯克在X(原推特)上写道:“gg humans(人类结束了)”。gg是“Good Game”的缩写,用于游戏中输掉胜负时。
其他大型科技企业也开始投资视频生成AI,但被评价为不及Sora。谷歌上月公开了视频生成AI“Lumiere”,但未能引发像Sora那样大的关注。2022年推出的亚马逊动画生成“Create with Alexa”、Meta(原脸书)的“Make-A-Video”也是如此。KAIST电气与电子工程学部教授金正浩表示:“基于大语言模型(LLM)的AI问世不到两年,就已进入输入文字便能用文字回答、生成语音和图像,甚至制作视频的时代”,“今后还会制作出越来越难以与现实区分的视频”。
大型科技业界预测,随着视频生成AI模型的量子跃迁,在所有领域接近或超越人类智能的超级智能人工智能(AGI,通用人工智能)的实现将会提前。
中国互联网安全企业奇虎360创始人周鸿祎在微博(中国版推特)上主张:“Sora短期内还会停留在抖音的制作工具层面,但将彻底震动广告和电影预告片行业”,“实现AGI所需的时间将从10年缩短到1~2年”。他同时指出:“中国LLM的发展水平与OpenAI去年3月推出的GPT-4.0有一年半左右的差距”。中国在AI领域专利数量上位居世界第一,但因美国对英伟达图形处理器(GPU)的出口管制等而面临困难。
专家们也对视频转换AI发展过程中出现的、用AI制作的有害合成伪造物深度伪造(Deepfake)表示担忧。
4月10日国会选举前夕接连查获深度伪造帖文就是一例。中央选举管理委员会从上月29日至本月19日仅20天内查获的就有129件。根据《公职选举法》,禁止利用深度伪造进行竞选活动。因为用AI再现特定政治人物的面孔和声音后攻击特定候选人或政党,会损害公正的选举秩序。例如,可以把受到中产阶层以下白人大量支持的前总统唐纳德·特朗普做成深度伪造,伪造成他被众多黑人围绕并获得支持的样子。选管委相关人士介绍称:“预计越临近国会选举,深度伪造将大幅增加,因此正在运营AI专门小组”。
尽管OpenAI首席执行官(CEO)萨姆·奥尔特曼表示“首先让有限数量的创作者使用Sora,在商业化之前交由专家团队评估安全性”,但高质量视频被恶意传播的风险依然存在。由于LLM的特性,关于AI使用了哪些数据进行学习的著作权等知识产权问题也是尖锐议题。
金正浩教授强调:“要用AI生成视频,不仅需要处理大量数据的高性能图形处理器(GPU),还需要高带宽存储器(HBM)这类存储半导体”,“对于AI著作权和伦理问题,也应展开社会公共讨论”。






