为什么Sora还没有准备好取代好莱坞？

自从OpenAI本周宣布其文本转视频（T2V）工具Sora以来，人们对T2V功能的预测就出现了，与Runway的Gen-2和Pika等类似的公开工具相比，T2V功能似乎有了巨大的飞跃。

纯粹从其样本输出来看，OpenAI的Sora是迄今为止最令人印象深刻的视频扩散模型。但Sora和其他视频传播模式在某些方面仍然受到限制，这将使它们无法胜任好莱坞电影制作。

根据《名利场》的报道，“Sora在现实主义内容方面取得了巨大成就，将在高端娱乐中发挥作用。如今，创意人员要求对表演和场景进行全面控制，因此，要想让扩散模式产生好莱坞电影，还有很长的路要走。”Tom Graham，人工智能公司Metaphysics的首席执行官兼联合创始人告诉《名利场》，该公司负责在电影《在这里》中为汤姆·汉克斯配音。

但是，究竟是什么原因让Sora一跃而起，在全世界爆红，震惊了所有人？

从基本功能来看，Sora模型的功能与Runway和Pika的其他视频扩散模型已经提供的功能相同，包括视频生成和视频编辑。这些包括基于文本提示生成新颖的短视频，基于2D图像生成视频（例如，为图像设置动画），以及修复（替换或插入新的视觉元素）和画外画（将镜头扩展到其原始帧之外，填充与上下文相关的内容）。

但是相较于Runway和Pika等竞争对手，Sora改进了并且新取得了一些成就。

首先，在视频质量和逼真度方面，最明显的是，与其他模型的输出相比，Sora的视频看起来更逼真，保真度更高。

其次，在视频长度方面：Sora的视频输出最长可达一分钟，同时保持与提示的一致性，远长于《天桥骄子》的第二代，自2023年8月更新以来，第二代每代视频最多可产生18秒，而此前只有4秒。

第三、时空一致性方面，Sora还承诺能够扩展生成的视频，使其更长。但这种能力的力量最好在另一种情况下理解：通过一次赋予模型多帧的“前瞻性”，Sora解决了“确保主题即使暂时消失在视野之外也保持不变”的问题。

这可以想象Sora解决了那些试图创建人工智能生成的电影的人的一个痛点，电影将多个视频输出缝合在一起作为“镜头”。这种尝试很难保持角色和场景的连续性，因为使用相同的提示语或条件参数重复生成永远不会导致模型产生相同的结果。这种“扩展器”功能可以保持角色或对象从一个输出到下一个输出的连续性，可以通过视频扩散工具实现更长时间的人工智能生成故事。

也因此，尽管取得了这些进步，以下仍然是像Sora模型取代好莱坞制作的真正障碍：

第一、连续性：Sora承诺的改进并不能完全保证主题/对象和环境的连续性，足以确保电影或电视节目的连贯叙事或外观。

第二、可控性：有些人将这些模型比作相机，尽管视频是渲染的，而不是物理记录的。但到目前为止，这些工具并不能为电影制作人提供足够的创造性控制和精度来推导和操纵他们的输出——这意味着在短期内，人工智能可能会比传统方法更困难，而不是更少。随着新的控制参数被添加到软件中，这种情况正在一点一点地改变，但这并不意味着人工智能视频比摄像机镜头有很大的改进。

第三、版权：更重要的是，如果版权法和生成人工智能的各个方面都没有更明确的规定，好莱坞制作极不可能将这些输出用于屏幕画面。重大问题仍然悬而未决，包括来自此类模型的人工智能辅助作品是否受版权保护，以及人工智能生成的材料是否是侵权责任，因为模型很有可能在受版权保护的材料上进行了训练。

由于这些限制，在短期内，这些工具最有可能在项目的前期阶段实现，例如快速开发和迭代概念艺术、角色设计或动画。但是，例如，如果工作室、创意团队或艺术家生成了一个有趣的角色或环境，然后用于人类创作的电视、电影或视频游戏，即使是早期的概念作品也可能无法抵御侵权索赔或保护性问题。

Sora还没有公开，将被红色小组确定漏洞或滥用媒介。OpenAI还承诺从世界各地的政策制定者、教育工作者和艺术家那里获得反馈，以了解人们的担忧并确定有益的用例。这与谷歌研究人员在1月底提出的一种新的T2V扩散模型Lumiere得出的结论相似，他们表示，尽管他们认为该工具提供了创造性的可能性，但“使用我们的技术创建虚假或有害内容存在被滥用的风险。”

假设Sora正式对外公开发布，那么，Sora将成为社交媒体创作者和普通用户发挥创造力的工具，立即向平台提供大量生成的视频。对此，你怎么看呢？