OpenAI突然上線的Sora，到底意味着什麼？
12月10日。凌晨2點。有人呼聲正酣，有人還在加班。
此時，一段20分鐘的直播，瞬間讓靜謐的夜晚沸騰了起來。
什麼直播？OpenAI發佈會。
今年2月，Sora首次發佈的時候，我寫了 ，和你做了一點簡單的介紹。
這一次，鴿了快一年的，OpenAI的文生視頻工具Sora，終於開放註冊了。
從測試階段，到使用階段。Sora，不再是少數人的小衆玩具。
你只需要給一段文字，或者給一張圖片，就能直接生成一段20秒的1080p視頻。
而且，它和人工智能對話聊天機器人ChatGPT共用一個會員體系。你可以選擇充積分單獨使用，但如果你開了ChatGPT的會員，也能免費用上Sora。
我給你先看幾個視頻，感受一下。
（Sora官網視頻）
（Sora官網視頻）
（Sora官網視頻）
怎麼樣？
人臉上的褶皺、神態，拍攝的角度，都非常有電影感。小狗跨過窗臺，那種試探路穩不穩的猶豫，都被考慮到了視頻裡。工地上許多人走來走去，好幾個動線，好幾個拍攝角度，也依然絲滑。
但是，不需要攝影師，不需要分鏡師，不需要動畫師，也不需要導演。
這在過去簡直無法想象，但是現在，它逐漸照進了現實。
對生成的視頻不滿意，也沒關係，你可以繼續修改。修改的方式也很細緻。你想從第幾秒開始接着前面重新再生成、你想添加或者刪減什麼細節要素......
只需要你一句話，就能讓它再給你生成好幾個版本，直到你滿意爲止。
所以，昨天發佈會結束沒多久，官網就被涌來的人給弄癱瘓了。奧特曼只好暫停了註冊通道。
是的。相信你的朋友圈，這兩天也被這件事刷屏了。但你可能依然疑惑：
Sora到底厲害在哪兒？爲什麼能讓我們如此激動？對於OpenAI，乃至人工智能的整體發展來說，Sora到底意味着什麼？
有沒有人可以用我能聽明白的方式，跟我講講？
於是，我跑去請教了LangGPT的聯合創始人甲木老師，也閱讀了很多資料。
Sora測試的這10個月，國產文生視頻AI軟件也如雨後春筍一般冒出。先跑出來的可靈，緊跟其後的即夢、海螺、vidu，還有開源的混元和智譜，都在做文生視頻。不斷迭代，不斷升級。
所以這一次，比起2月，我有了更多的體感。
其實，在凌晨的發佈會上，奧特曼就提到過3個要點。我也把它總結成了3個關鍵詞。理解了這3個關鍵詞，你或許就能理解這件事的來龍去脈了。
共同協作。信息載體。世界模型。
我們一個個來說。
先說，共同協作。
大部分傳統視頻製作軟件，主要充當着“素材工具”、“製作工具”。雖然有了工具，但你可能依然需要許多角色的人，大家一起分工協作，一起使用這些工具，才能最終產出視頻。
但如果，這個“許多角色的人”，就是AI呢？
效率，會瘋狂提升。
如果AI能幫你聯網搜索，給你分點羅列，它就能幫你完成“素材蒐集”。如果AI能直接給你成品，你拿着成品，你的工作就從“從零創作”變成了“修改草稿”。
這就是協作。你和它一起，直接對結果負責。
而這回，AI連“修改”都幫你幹了。這下，你可能連視頻製作的技術都不需要一一掌握了。
比如，remix，重新混合。
你輸入一句話，Sora給你生成了一個5秒的視頻。你覺得背景很好，但是想把視頻裡的房子，換成中世紀風格的。你就可以繼續在下面打字：請把圖中的房子換成中世紀風格。然後點擊再次生成，就能局部修改視頻。
（OpenAI Sora Tutorials OpenAI官方示例教程）
比如，re-cut，重新剪輯。
你覺得前2秒很好，但是後3秒很荒唐。你可以從第2秒剪開，讓Sora基於前面的2秒，重新再給你混合生成後面的視頻。一句話的事。
（OpenAI Sora Tutorials OpenAI官方示例教程）
比如，blend，混合。
你生成了兩個視頻，一個蝴蝶振翅，一個花朵盛開。你想讓這兩個視頻絲滑連接起來，就可以用blend功能，一鍵銜接。
（OpenAI Sora Tutorials OpenAI官方示例教程）
比如，loop，無限循環。
一直奔跑的羊羣、不斷翻涌的浪花，就可以用loop來生成。
（OpenAI Sora Tutorials OpenAI官方示例教程）
還有一個特別炫酷的，storyboard，故事板功能。
你在板上輸入描述文字作爲提示詞，就能生成一塊故事板。這一塊故事板，就對應一個生成的視頻。你可以在視頻的時間軸上放置故事板。你放在哪一秒，就從哪一秒開始演繹你編輯的故事視頻。你還可以在故事板上，上傳一張圖。基於你的圖，會生成第二塊故事板。第二塊故事板上，根據你的圖，Sora會根據理解自動寫成一段文字。
接着，你就可以通過繼續修改文字，不斷生成新視頻。
過去，是你有了靈感再去做視頻。從你的頭腦裡的“靈光一閃”，落實到視頻成品，要經過漫長的製作週期。你得先把“靈光”變成更具體的信息，拆解成一步又一步，然後去拍攝、剪輯、調色，纔有成品。
而現在，根據你模糊的需求，就能生成視頻。這讓靈感從你腦子裡走向現實的時間，大大縮短了。
一個個成品，直接呈現在你面前。甚至，能反哺你的靈感。
生成的視頻，有時甚至比你還要更懂你的想法。因爲它是快速的，具體的。
現在，你就能理解，爲什麼Sora作爲一個視頻製作工具，它並不是鋪滿了圖層、色彩、聚焦等等複雜菜單。而是，簡潔無比的4個選擇。你能快速進行基礎設置。
1）畫面比例。橫屏、豎屏或者正方形。2）分辨率。480p、720p還是1080p。3）時長。5s、10s、15s還是20s。4）一次生成幾個視頻。用來對比選擇。
這大大降低了視頻製作的使用門檻。
它是你的半個同事，能“試着理解”你說的話。
今天的文生視頻AI軟件，已經不僅僅是“人在使用工具”，而是“人和AI在協作”。
可是，它們爲什麼“突然”就能“理解”了呢？
這就要說到第二個關鍵詞，信息載體。
現在，你想做一個產品宣傳視頻。你可能會打開一個白板，開始構思腳本。如果你有設計夥伴，你可能會把你的需求告訴他，讓他幫你一起設計。設計完後，再和做視頻的夥伴協作，最後才能產出一個視頻。
但是，這一切想要順利，都得建立在，你每次清楚知道自己需要什麼的情況下。
你跟設計師講，“我想要一個漂亮的視頻，穿搭要對比鮮明”。然後等啊等，等他把成品給你，你卻發現和你的想法完全不同。你覺得，鮮綠色和亮紅色放一起怎麼能算“漂亮”呢？設計師卻說，這是這個季節很流行的搭配啊，你不是說要“對比鮮明”嗎？
反反覆覆，好不容易敲定了設計，你又去等視頻夥伴。再來一輪修改循環。
當最後的視頻出來，依然不是你想要的效果。
然而，已經來不及修改了。你很難受，你的設計夥伴和視頻夥伴也都很委屈。
但如果，你根據模模糊糊的想法，先生成一系列的視頻，再選一個符合你想象的成品小樣拿去給視頻夥伴看呢？
溝通成本，就大大減少了。
因爲視頻能夠傳遞的信息，比文字更豐富、更直觀。
你拿視頻給同事，同事可以更精準地“學習”到你的想法。那，如果你不斷拿視頻投喂AI呢？AI是不是也能夠，更精準地“學習”現實世界？
這就要靠第三個關鍵詞，世界模型。
2月Sora出來的時候，有三個亮點：一次性生成60s高清視頻、多角度鏡頭無縫連接，以及，世界模型。而到了12月，三個亮點都還在，但是生成視頻的長度，反而從最多60s，變成了最多20s。
爲什麼看上去，反而“倒退”了？解釋這種“倒退”的，是Sora的後綴，Turbo，“加速”的意思。
雖然一次生成的視頻時間短了，但是生成的速度，變快了。
一方面，是因爲多角度無縫銜接，細分成了前面寫到的Remix、Blend、Loop、Storyboard等更細緻的修改功能。另一方面，是因爲世界模型。
什麼是世界模型？
你可以先簡單想象一下：計算機所在的世界，和我們所生活的世界，是兩個不同的世界。而世界模型，就是讓計算機從它的窗口盯着我們的世界，使勁地看，使勁地學。
而你要做的，就是不斷給它投喂營養，讓它不斷記憶，然後不斷預測。
ChatGPT的誕生，驗證了這樣的“養育”方式，在文字方面，是可行的。
投餵了很多很多文字資料後，你對計算機輸入“我”，它就會生成下一個字，可能是“我要”，可能是“我想”，可能是“我是”。
它會根據你的描述，不斷迭代怎麼預測下一個字，更符合你想要的樣子。
而Sora的誕生，則是再次驗證了“養育”方式的可行性。或者說，對“真實世界”的學習能力的可行性。
所以，OpenAI突然上線的Sora，爲什麼能讓我們如此激動？
不僅僅是因爲它能生成更像樣的視頻了。更是因爲，它更懂這個世界了。
原來當你不斷投喂營養，計算機這個小孩，真的可以開始“長大成人”，開始“理解”你，理解這個世界，能處理更復雜的問題了。
你不斷給它真實世界的信息，它就開始有“智能”了。
文字，是信息，但是有些模糊。圖片，是信息，似乎比文字更好懂一點。視頻，也是信息，而且是無比豐富的信息。
它最接近真實世界。因爲我們在世界裡，都是“會動”的。
計算機你看，那個人類吃漢堡的時候，一口咬下去，剩下的漢堡不是整塊的了。看到這段的時候，計算機你先記下來。下一次，你又看到另一個人類吃包子，他張開嘴，咬包子的時候，你試試預測一下，會是什麼場景？
“包子穿嘴而過。”錯了錯了，你再想想？“牙齒碰到的地方會下沉。”對了對了，很接近了，然後呢？“接着會出現一圈齒痕，而咬掉的部分包子，會在嘴裡消失不見。”
投喂，再投喂。記憶，再記憶。然後，預測，再預測。
（Sora製作完視頻，可以分享到社區）
最終，越來越“逼真”，越來越“智能”。
當然，這類文生視頻、圖生視頻的AI工具，今天還有很多很多的瑕疵。
比如金毛跳到半空屁股變成了頭，頭變成了屁股。比如偶爾還會出現人物肢體變形、物體突然消失。又比如，因爲成本太高，一次生成的視頻時間在縮短。
但是GPT的出現，以及Sora的出現，都在一次次驗證計算機能夠按照人類的學習規律進行學習：先記憶，後預測。
“記憶”越是多，“預測”，就越是有機會更準確。
這也是爲什麼，未來，來得越來越快了。
GPT-1在2018年發佈，用了5年時間，迭代到GPT-3.5才亮相，被衆人所知。而從GPT-3.5亮相，到Sora春節第一次發佈，只用了1年多。再到現在的Sora Turbo開展公衆註冊，則是10個月。而且，按照奧特曼的說法，這還只是視頻版GPT-1，還是一個初級版本。
那麼，我們呢？在“未來”面前，我們該怎麼辦？
這次的發佈會，我想奧特曼真正想表達的，是呼籲你我去和AI協作。然後，儘早找到自己的正確節奏。
開發大模型很昂貴。迭代大模型需要很複雜的技術。但是，普普通通的你和我，都會有和AI相處的節奏。
細分，是機會。比如專門做數字人口型。組合，是機會。比如製作AI創意視頻。
關鍵的是，你的節奏是什麼？
OpenAI官方的教學視頻裡面，有一句讓我印象特別深刻。
正確的節奏下，AI從來都不是在替代，而是在共同協作，是在彌補信息不對稱，是在讓新舊世界重構。
祝你，找到你的節奏。
共勉。
*個人觀點，僅供參考。 *頭圖來自於sora官網
參考資料
主筆/ 木言聲編輯/ 二蔓版面/ 黃 靜
這是劉潤公衆號的第2454篇原創文章