一個以文生成視頻的年代

有愿

在一件藝術品背後

二月十五日，OpenAI發佈了以文生視頻的模型Sora，一下子全世界焦點全落在Sora這款模型上。Sora是可以以文字描述內容而生成一分鐘視頻，現時在官網一共發佈了四十八條由Sora製作的視頻。這些視頻擁有高度細緻畫面、鏡頭的調動、人物的情感、氣氛等等，由Sora生成的影像一眨眼可以跟電影媲美。這與之前Google、Meta或初創公司Pika Labs以文字生成視頻所不同，Sora就是把技術從小學一下子跳上研究生的感覺，不可同日而語。雖然在視頻的細緻上還有待改進，例如人物手部變形不協調，視頻出現奇怪的符號（文字）等，但相信這些缺陷很快便可以改進。當然每當新技術的出現，總是會引伸出其他問題，最直接聯想就是由影像生成假資訊，相信這是Sora還沒有正式發佈原因之一。現時Sora只供攻擊模型團隊及少數藝術家、設計師所試用。而OpenAI亦說明拒絕生成名人、性及暴力視頻。雖然Sora還有很多改善空間，但發佈成果足以震懾創科界，以現階段的技術成果，足以應用於電影或廣告在前期供客戶參考的預想圖像，或者一些大型活動效果預想圖等，在這方面將會大大降低成本。而令我更感興趣的是，在哲理上文字與影像是否開始產生新關係？Sora如何處理像“自信”這樣的用語？會否因為使用AI影響“人”使用文字習慣？只是年初，在科技、經濟已有這麼大衝擊，相信今年一定會腦洞大開，看我們如何迎接真正視像新世紀。