OpenAI發佈王炸級文生視頻，屬於作家的時代開啓_風聞

OpenAI再次碾壓了市場上的所有文生視頻企業，不服都不行。

作為大模型從業者，有一種我用盡全力還跟不上領頭羊的感覺，真的是深深的無力感。但是作為一個文字創作者，又充滿了興奮感，因為屬於作家的時代正在開啓。

文字工作者已經可以用100多個字作為提示詞來生成一幅圖片，比如這個來自日本的Prompt：

雪原を歩く巨大な毛むくじゃらのマンモスが描かれており、彼らの長い毛皮が風にそよいでいます。背景には雪に覆われた木々と、遠くに雪をかぶった壯大な山々が描かれています。午後の光とほのかな雲が温かな輝きを加え、低いカメラアングルからの視點が、これら大きな哺乳類の…

但是有了圖像，還想要生成視頻。我作為一個有技術功底的人，想做個3D視頻，還需要學習Unreal Engine，擺佈物體，擺放光源，讓人物走動，綁定表情和口唇，花大量時間去配置，需要的學習成本、時間成本實在太高，1000字的場景可能要花三天去做個Demo視頻，成本高到一箇中年人無法接受的程度。

幸好2024年出現了可靠的文生視頻技術。其實文生視頻已經有不少公司在搞，包括Runway、Pika，以及阿里雲推出來的一張圖生成跳舞視頻等等，試用過之後，還是沒法把我腦海裏的想象具現成視頻。

業界的原始方案，技術理念上也不復雜，就是逐幀生成連續動作的圖片，最後拼接在一起變成視頻，所以在2023年6月，我們會看見AI生成的視頻經常出現一閃一閃的效果，後來各家科技公司都在致力於消除這個效果。

但是Openai這一次再次引領了一個新方向，也就是應用了Transformer。現在OpenAI Sora生成的視頻質量，跟業界其他產品相比，差別堪比大學生和小學生。比如剛才的猛獁象，openai就能生成一段穩定的、16:9的、高清的視頻。

隨着算力芯片的進一步發展，相信未來視頻畫質還能進一步增強，到那個時候，我們平民導演能夠拍攝的，就不會是簡單的二人小電影了。

未來短視頻平台，可能會再次爆發，利好抖音和快手。在AI Video時代，視頻的精緻程度，可能會變成最不重要的一環，而創意和有趣，會成為最有價值的賣點。

這就是技術平民化的價值。現在以Openai為引領，以頂尖名校為主力，以開源社區為基礎的AI大爆發，就是在把過去被牢牢把持在頂尖科技公司手裏的技術，快速普及到平民百姓家。

比如我一直在追《非人哉》，這個動畫很有趣，但是並不算是逐幀都非常精細的動畫，可惜這個動畫片兩三年才更新一季；如果有AI輔助創作者生成線稿、本子，再生成視頻，我是不是有可能每年追上一季？

如果創作者在AI的幫助下，產出效率極大提升，是不是有可能每天出上一集？對於那些有才華、沒有團隊、缺少投資的導演，完全可以創造出更驚豔的作品。

比如導演的説戲，就完全可以把自己的想法，先用AI生成一個Demo，給各位主要演員看清楚，這樣是不是能夠減少NG的次數？另外，這個技術並不利好現在一茬茬出來的新人小鮮肉和小花，因為他們的可替代性太強了，何況還有塌房風險。

如果導演一個人，再拉上一個技術人員，一個勤務人員，完全有可能管理好十個甚至上百個AI，那導演不僅可以做到令行禁止，還能顯著提高效率。

如果導演需要的投資變少了，那導演還需要捏着鼻子接受投資人安排過來的關係演員麼？如果AI塑造的演員角色比真人更聽話，更好調教，那導演還需要花每日一爽的價格聘請明星麼？

所以，隨着openai Sora展示出了生成一分鐘高保真視頻的能力，我堅信，這個技術會極大程度地顛覆影視行業和自媒體行業。

也許未來有一天，像我們這樣的普通作者，能夠僅僅從自己的作品中創作長篇電影，最終把對藝術和影片的解釋權，從好萊塢手裏奪走，講述我們自己的創意和自己的故事，每一個人都有能力去具現自己的想象。

開源精神萬歲

我在2023年，主要是以大模型訓練和大模型應用為主，等到自己開始動手做了，體會到創新的難度之後，現在我對OpenAI團隊全是仰慕，他們才代表了先進生產力的發展方向，不得不服。

什麼是開宗立派？就在於領先者探索出來一條有可能走得通的路，然後跟隨者看到了成果，堅定了信心，全球的才智之士都會繼續沿着這條路走下去。OpenAI做出的最大貢獻，就是開宗立派，隨後開源社區開始大規模跟上，並且提供了很多新的Idea。

而Openai Sora的方案，最大的特點是利用Transformer+Diffusion生成視頻，連續生成了30幀×60秒的視頻，也就是1800張圖片。

這個思路的創新點在於Transformer，這也不是OpenAI的首創，而是來自開源社區。前幾天 Berkeley 做的 LWM，也是拿 Transformer 來做視頻生成的方案。

到了今天我才明白為什麼meta要開源llama，顯著加速了開源社區在大模型領域的發展，原因就在於大模型這個東西發展到精確可控的文生視頻之後，再加上新一代的AR頭盔，而且吸引更多的開源團隊加入，真的有可能進一步催熟元宇宙。

openai首先靠大力出奇跡，搞出來首個1750億參數的大模型GPT-3，然後搞出來首個MOE架構的1750億參數大模型GPT-4，接着搞出來Function Call（功能調用）和agent，再次引領潮流。

隨後在文生圖領域拿出了DallE，誕生就是巔峯。然後又重新定義了在文生視頻領域後來居上，SORA從出生就碾壓了所有同類公司。

在AI領域，openai幹成的事情，製造的影響力，簡直比最近三十年各家科技公司都大，因為他讓普通用户體會到科技的力量，而且能引領着開源社區形成大模型創新上的合力，這才是科技以人為本的樣子。

技術創新都是雙刃劍。從2024年開始，大家必須需要掌握鑑別AI造假的能力，技術從來都是雙刃劍，發展到現在這個程度，用DeepFace、FaceFusion來給視頻換臉，然後用SoVITS克隆人聲，普通人完全可以輕易做出來一段假視頻，那時候有圖有視頻都不算真相了。

我在我的深度搜索課裏也曾經講過，孤證不立。如果只是利益相關方提供的一段視頻，沒有官方攝像頭作為印證，沒有其他在現場的人拍攝的視頻作為印證，沒有行人，沒有車輛，沒有可供驗證的地標，時間和光線角度不符；哪怕視頻看起來再真，也不能相信。連視頻都不能相信，那就更不能相信錄音和語音電話的真實性了。

但是，就算AI生成視頻是把雙刃劍，但是他帶來的便利，遠超過他帶來的風險。畢竟君子生非異也，善假於物也。大家必須在2024年學會，把大模型應用在你的工作流程中，否則你會被那些善用AI的人在效率上碾壓。

繼續保持謹慎樂觀。