Sora(人工智能模型)是什么？Sora的核心作者都是谁？

Sora(人工智能模型)是什么？

Sora是一个能以文本描述生成视频的人工智能模型，由美国人工智能研究机构OpenAI开发。

Sora这一名称源于日文“空”（そら sora），即天空之意，以示其无限的创造潜力。其背后的技术是在OpenAI的文本到图像生成模型DALL-E基础上开发而成的。模型的训练数据既包含公开可用的视频，也包括了专为训练目的而获授权的著作权视频，但OpenAI没有公开训练数据的具体数量与确切来源。

OpenAI于2024年2月15日向公众展示了由Sora生成的多个高清视频，称该模型能够生成长达一分钟的视频。同时，OpenAI也承认了该技术的一些缺点，包括在模拟复杂物理现象方面的困难。《麻省理工科技评论》的报道称演示视频令人印象深刻，但指出它们可能是经精心挑选的，并不一定能代表Sora生成视频的普遍水准。

由于担心Sora可能被滥用，OpenAI表示目前没有计划向公众发布该模型，而是给予小部分研究人员有限的访问权限，以理解模型的潜在危害。Sora生成的视频带有C2PA元数据标签，以表示它们是由人工智能模型生成的。OpenAI还与一小群创意专业人士分享了Sora，以获取对其实用性的反馈。

Sora的核心作者都是谁？

目前，Sora的核心作者是Bill Peebles和Tim brooks，Bill Peebles 在伯克利人工智能研究所完成了博士学位，导师是Alyosha Efros。

在此之前，他在麻省理工学院攻读本科，指导老师是Antonio Torralba。他曾在FAIR、Adobe研究院和NVIDIA实习。

Tim brooks 在伯克利人工智能研究所获得了博士学位，导师是Alyosha Efros，他是InstructPix2Pix的作者。在此之前他曾在谷歌工作，参与Pixel手机相机的研发，在NVIDIA从事视频生成模型的研究。

Sora团队的Leader是Aditya Ramesh， 他是DALLE、DALLE2、DALLE3的主要作者。

如何理性看待sora？

业界共识，Sora在技术领域是跨时代的进步，技术影响力类似chatgpt2.0版本的阶段。但破圈的效果甚至超过了2023年初的chatgpt3.5。

但截止2月20日，依然open ai官方只放出了demo。（每天都在陆续公布新作品）。

距离商业化能力有多远，还是个未知数。

现阶段是拼产品力的阶段，需要大量的产业机构和个体前仆后继的进行炮灰实验，最终迭代出最合适的场景。

第一, 可控性。无论是商业场景还是创作场景, 视频要按照人的意志或规律完成动作, 这无疑是个巨大的挑战。目前Diffusion+transformer还无法解决的物理问题依然是难题及硬伤。

第二, prompt（提示词）的门槛依然高，一般非专业人员很难用好视觉的生成, 这既需要训练, 更有待技术突破, 让外行变内行。 视频要按照人的意志或规律完成动作, 这无疑是个巨大的挑战。