周鴻禕又口出狂言。他說，“AGI（通用人工智能）的實現將從10年縮短到1年”，而背後的原因，僅僅是因為一個1分鐘的短視頻。註意看，這個女人叫小美，她正向我們走來。雖然身處日本某條熱鬧的大街，小美卻總是不停地回頭張望，似乎在暗示觀眾鏡頭之外隱藏不為人知的秘密。
▲圖：主角出場
鏡頭拉近，可以清晰看到小美修長的脖子和優美的下頜線，讓整個畫面充滿令人無法抗拒的神秘和美感。
▲圖：細節展示
實際上，整個短視頻中，從街景到行人，包括小美，在現實中根本不存在。這是OpenAI最新產品Sora制作的演示視頻，而正是這個視頻，讓周鴻禕做出AGI發展將會10倍提速的預言。
傳統方式制作這樣一段1分鐘的視頻成本非常高。除需要選址，選演員，提前進行分鏡構圖，架設機位外等，想要碰上如此理想的天氣，還需要賭一賭運氣。落日轉瞬即逝，一旦失誤就隻能第二天重頭來過。
拍攝完成後，是非常耗時的後期制作。不僅要調整畫面色調，還要仔細核對畫面中是否有瑕疵，比如眼鏡反射的畫面會不會導致穿幫、路人中是否出現不協調元素等等。
但Sora出馬，全部流程就是（字面意義上的）一句話的事。
Sora官網上公佈十幾段“制作”精良的高清演示短片， 從現實人物到3D動畫，所有短片都是通過一句話生成的。
▲圖：Sora展示視頻
看過這些短片後，我科技圈的朋友集體表示“炸裂”；大眾圈的朋友表示“AI都到這種程度嗎”；而攝影圈的朋友表示，盡管還是能看出和人類攝影師有一點點差距，但依然被Sora的效果震撼，進而紛紛開始和我討論起失業以後，除送外賣還可以從事什麼工作。
但如果我們拋開網上鋪天蓋地、對Sora近乎玄幻的贊譽，跳出官網演示視頻的魅惑就會發現，Sora本質上是生成式AI在視頻領域的一個應用，一個diffusion transformer模型。
而官方宣傳的Sora所有功能，例如通過文字或者圖片生成高清短視頻，在此基礎上進行擴展生成一段更長的視頻等，其實很多公司都在做。比較知名的產品包括已經商用的Runway，免費的Pika，以及還在完善階段的Google Lumiere、Meta Make-A-Video，還有一些知名度稍低的產品如Leonardo，FinalFrame等等。
這裡就有一個很大的疑問：憑什麼出圈的又是Sora，它真有網上說的那麼神嗎？
憑借更逼真的效果
OpenAI再次出圈
1月24日，Google研究人員公佈一段Lumiere的演示視頻。畫質非常高清，且真實。
▲圖：由Lumiere生成的遊泳海龜視頻
Lumiere除可以生成真實圖片外，還可以實現一鍵換裝、根據圖片和提示詞生成動態視頻等功能。
▲圖：一鍵換裝
▲圖：通過圖片生成視頻
2月15日，剛剛過完情人節的Google在瘋狂星期四又重磅推出下一代AI產品Gemini 1.5。在此前的演示視頻中，Gemini已經展現其在圖像識別和多輪對話中的逆天能力。
演示視頻中，演示人員畫一個類似鴨子的輪廓讓Gemini辨認，Gemini表示它覺得像個鳥。
▲圖：Gemini演示
但是當演示人員畫上波浪後，Gemini表示通過長脖子長嘴又會遊泳這幾個依據，判斷這是隻鴨子。
▲圖：Gemini演示
隨後演示人員拿個玩具小鴨子問Gemini這個東西是什麼材質做的，Gemini表示看起來可能是橡膠也可能是塑料。而當演示人員捏響橡膠鴨子後，Gemini立刻判斷出是用柔軟的橡膠做成的。
▲圖：Gemini演示
就在圈內很多人認為Google將要憑借Lumiere和Gemini拿下今年頭條的時候，OpenAI僅僅用Sora就輕松獲得更高的關註度。
Sora這個詞很有意思，它在韓語中表示海螺殼，在日語中表示天空，在芬蘭語中表示砂礫。這就很難不讓人想到《海底兩萬裡》的鸚鵡螺號，《沙丘》，以及“我們的目標是星辰大海”的豪情壯志。
而且Sora是一個比較常見的名字，比Lumiere（法語，光）更短、更好讀。
和GPT當年的故事如出一轍，Sora也是踩著競爭對手以碾壓式的優勢勝出。相比同類產品，Sora能抓住提示詞的精髓，巧妙地生成具有多個角色和特定動作的場景。
有人做過對比，使用同樣的提示詞，讓AI生成一個在花園裡、似乎正在追逐什麼東西、快樂奔跑的黃白相間的貓，最終結果的差距十分明顯。
▲圖：不同AI產品的效果對比
上面由Sora生成的視頻看起來非常真實，甚至在奔跑時候，貓腮幫子上的毛都會隨著腦袋起伏。而下面通過Pika, Runway, Leonardo, FinalFrame生成的視頻，貓不僅看起來不像真的，連動作都很詭異。
在生成的視頻時長上，Sora也碾壓友商。Sora可以生成1分鐘的視頻，相對的，Pika是3秒，Runway是4秒，Lumiere是5秒。
最重要的是，Sora有望解決一個生成式AI的痛點，那就是同樣的提示詞通常不會生成同樣的結果，例如“黃白相間的貓”這個提示詞，不同的視頻裡會出現不同模樣的黃白相間的貓。導致的結果，就是無法通過拼接來創作更長的視頻。
盡管Sora一出道就秀出遠超同行的肌肉，但Sora並沒有選擇像Pika、Runway一樣，開放給大眾使用，而是采取Google、Meta類似的保守策略，先官宣來吊足大傢胃口，然後慢慢內測，等待一個合適的時機，再向大眾開放。
因為，有很多關鍵問題，大傢都沒有找到好的解決方案。
AI一調皮
人類就頭疼
生成式AI天生就有一個“不按物理定律出牌”的老毛病，即便是看起來已經非常接近真實世界的Sora也不例外。這個問題過於明顯，以至於OpenAI都懶得去遮掩，幹脆自己先大方的說出來。
從內測用戶流出的視頻可以發現，Sora無視物理法則隨意發揮的意願十分高漲，而這種意願在“必須還原物理世界”的規則約束下，很容易生成像人類做夢一樣的場景。有過做夢經歷的朋友應該會這樣的體會：明明夢是虛幻的，但在夢裡你的感受又很“真實”。
下面就是個很典型的例子。
▲圖：Sora的夢境物理
註意看，視頻中的這個杯子莫名其妙的跳起來並側翻在桌面上，杯中的液體在杯子跳起來的一瞬間穿透杯底鋪滿桌面，而最終杯子連同裡面剩餘的液體一起，融進桌面。
▲圖：融進桌面的杯子
這樣的視頻顯然無法應用在正式的場合，大概率隻能出現在B站的鬼畜區，告訴你一個學3年動畫的人，是如何因為一個畢業作品被老師轟出門外的故事。
此外，Sora對算力有很高的要求。下面這個視頻演示低算力和高算力之間的差距能有多可怕。
▲圖：算力差距
而想要高算力，就得花更多的錢。
以Runway為例，個人版收費模式分3檔，標準版為每月15美元，可以制作一個125秒的Gen-1視頻，或者44秒的Gen-2視頻，相當於每秒1-2.4元人民幣，超出部分需要額外付費。Pro版每月35美元，至尊版每月95美元。而用戶如果希望加快視頻的產出效率，也需要額外購買“時間”。
能力越大
危險越大
生成式AI在社會層面有幾個老生常談的問題。
首先就是造假問題。AI生成的視頻越真實，造假就越容易。最直接的解決辦法是將AI生成的內容打上一個特殊的標簽，以便於平臺將其和人工拍攝的視頻進行區分，OpenAI和Google的確也在做這件事。
但水印的問題在於，它可以在分享的過程中會被人惡意抹除。例如通過截圖、錄屏的方式獲得視頻副本，不會帶有任何水印。
其次是版權問題。版權問題比造假更加復雜，它既是一個形而上的宏大概念，又和每一個創作者的個人利益息息相關。目前對版權的爭論主要集中在AI和人類對齊的過程中，比如，AI通過學習別的藝術傢的風格在此基礎上進行的創作，和人類以同樣方式進行的創作，本質上有沒有區別？
而更直白的問題則是，AI到底是來幫我賺錢的，還是來跟我搶錢呢？
這些問題一個比一個難解決，也就意味著Sora們至少在短時間內不會向公眾開放。從某種角度來看，這或許對於視頻制作者是一個好消息，至少有更多的緩沖時間，來思考如何應對接下來Sora們帶來的沖擊。
無論如何，Sora們向公眾開放，隻是時間問題，至於會不會像周鴻禕預言的那麼快，可能還存在疑問。但有一點毫無疑問：
那時候的Sora們，將比現在更加強大。
作者｜吳狄
出品｜零態LT（LingTai_LT）