Sora OpenAI:从文本生成震撼视频的AI模型(一)

Sora OpenAI,打通虚拟和现实的壁垒,用三个关键词概括它,"60s超长长度"、"单视频多角度镜头"和"世界模型"。

👈︎前言

想象一下,你可以根据简单的文字提示制作一段精彩的视频,比如 "一个人带着一只狗在月球上行走"。听起来不可能,对吗?现在不一样了,OpenAI 最新推出的人工智能模型 Sora 可以从文本中生成震撼人心的视频。

Sora is an AI model that can create realistic and imaginative scenes from text instructions.

Sora 是一个人工智能模型,可以生成长达一分钟的视频,其中包括高度精细的场景、复杂的摄像机运动和多个情绪活跃的角色。它还能根据静态图像制作视频,或用新素材扩展现有片段。

Sora 的工作原理是接收用户的简短描述性提示,例如 "一位时尚女性走在东京街头,街上到处是温暖的霓虹灯和动画城市标志"。然后,它就会对提示进行解释,并利用从大量视频中学习到的知识来模拟运动中的物理世界。

Sora 还能了解用户对视频风格和氛围的偏好,例如 "电影风格、35 毫米胶片拍摄、色彩鲜艳"。它可以相应地调整灯光、色彩和摄像机角度。

Sora 可制作分辨率高达 1920x1080 和 1080x1920 的视频。它还能处理不同的类型和主题,如奇幻、科幻、恐怖、喜剧等。

🙋‍♂️什么是 Sora,它是如何工作的?

Sora 是一种人工智能模型,它可以利用一种名为 "文本到视频合成 "的技术,根据文本提示生成视频。这种技术包括将自然语言转换为可视化表示,如图像或视频。

文本到视频的合成是一项具有挑战性的任务,因为它要求人工智能模型理解文本的含义和上下文,以及视频的视觉和物理方面。

例如,模型需要知道场景中有哪些物体和角色,它们的外观、移动方式、交互方式以及它们如何受到环境的影响。

👉Sora基于深度神经网络,这是一种可以从数据中学习并执行复杂任务的机器学习模型。Sora 使用一个大型视频数据集,该数据集涵盖各种主题、风格和流派。

Sora 会分析文本提示并提取相关关键词,如主题、动作、地点、时间和情绪。然后,它从数据集中搜索与关键词相匹配的最合适的视频,并将它们融合在一起,创建一个新的视频。

Sora 还使用了一种名为 "风格转移 "的技术,可以根据用户的喜好修改视频的外观和感觉。例如,如果用户希望视频具有电影风格、采用 35 毫米胶片拍摄、色彩鲜艳,Sora 就可以将这些效果应用到视频中,改变灯光、色彩和拍摄角度。

👉Sora 可以生成分辨率高达 1920x1080 和 1080x1920的视频。它还可以根据静态图像创建视频,或用新素材扩展现有素材。例如,如果用户提供了一张森林的静态图片,Sora 可以将图片制作成动画,并添加动物、鸟类或人物等元素。如果用户提供的是汽车在公路上行驶的视频,Sora 可以扩展视频并添加交通、建筑或风景等元素。

相关推荐
网易云信20 分钟前
折叠屏适配,iPhone Duo 真机已交付:网易云信 IMUIKit Swift 的实践
人工智能
Be for thing1 小时前
Pytorch【12】transforms进阶|图像数据增强实战,提升模型泛化能力
人工智能·pytorch·机器学习
十有八七1 小时前
手搓 Agent(一):先有大脑——大模型只会做一件事
前端·人工智能·后端
锋行天下1 小时前
「踩坑实录」给 LangGraph Agent 接两个 FastMCP,我被 langchain 偷偷改了工具名
前端·人工智能·后端
阿里云大数据AI技术1 小时前
穹彻智能 × MaxCompute:具身智能 UMI 数据产线的全模态计算实践
人工智能
联犀1 小时前
ai时代复杂项目的golang项目如何更好的与ai共舞:monorepo+gozero
开发语言·人工智能·golang
飞Link2 小时前
灵巧手是什么?从机械结构、驱动方式到控制原理,认识机器人的精细操作能力
人工智能·python·机器人
阿里云大数据AI技术2 小时前
从“扫文件”到“找数据行”:EMR Serverless StarRocks 支持 Paimon Global Index
人工智能
Cosolar2 小时前
从 Model 到 System:AI Agent Infra 工程师的技术全景与学习路径
langchain·aigc·agent
武子康2 小时前
AI通关了,游戏就算通过测试了吗?
人工智能·游戏·机器学习