当前位置:

首页 > 业界资讯 > Sora爆火短频“气球人”制作者亲述优缺点:视频其实都是专业制作,Sora占一小部分;一致性不能很好控制;似有识别版权问题的机制

Sora爆火短频“气球人”制作者亲述优缺点:视频其实都是专业制作,Sora占一小部分;一致性不能很好控制;似有识别版权问题的机制

整理|言征OpenAI的视频生成工具Sora在2月份让业界大吃一惊,其流畅、逼真的视频仿佛远远领先于竞争对手。然而,这场精心策划的首次亮相,留给了大众太多不为人知的细节。最近,OpenAI热火朝天地制作宣传短片的团队之一的ShyKids接受了媒体采访,并分享了自己作为少数最早使用Sora技术的视频创作者的酸甜苦辣。OpenAISora宣传短片之一(AirHead气球人)ShyKids是一个位于多伦多的数字制作团队,被OpenAI选为少数几个主要出于OpenAI宣传目的制作短片的团队之一,他们在创作“Air

本文目录

    整理 | 言征

    OpenAI 的视频生成工具 Sora 在 2 月份让业界大吃一惊,其流畅、逼真的视频仿佛远远领先于竞争对手。然而,这场精心策划的首次亮相,留给了大众太多不为人知的细节。

    最近,OpenAI 热火朝天地制作宣传短片的团队之一的 Shy Kids 接受了媒体采访,并分享了自己作为少数最早使用 Sora 技术的视频创作者的酸甜苦辣。

    Sora爆火短频“气球人”制作者亲述优缺点:视频其实都是专业制作,Sora占一小部分;一致性不能很好控制;似有识别版权问题的机制OpenAI Sora宣传短片之一(Air Head 气球人)

    Shy Kids 是一个位于多伦多的数字制作团队,被 OpenAI 选为少数几个主要出于 OpenAI 宣传目的制作短片的团队之一,他们在创作“Air Head”时被赋予了相当大的创作自由。

    而且值得注意的是,这些短片并不完全是由Sora生成的,在接受媒体采访时,后期制作艺术家 Patrick Cederberg 将“实际使用 Sora”描述为“这只是他作品的一部分”。

    然而大众却可能会先入为主地认为:这些逼真生动的短片完全是由 Sora 制作的。

    然而,事实是这些都是专业制作,配有强大的故事板、编辑、色彩校正,以及动态观察和视觉特效等后期工作。

    就像苹果公司在宣传时说“在 iPhone 上拍摄”,但事后没有展示工作室设置、专业灯光和色彩工作一样,Sora 的帖子只谈论它让人们做什么,而不是他们实际上是如何做到的。

    Cederberg 的采访很有趣,而且非常非技术性。尽管Sora模型令人印象深刻,但它可能并没有我们想象的那般美好。

    1、并没有适当的功能集来完全控制一致性

    目前,控制仍然是最令人渴望的,也是最难以捉摸的。……我们能得到的最接近的结果就是在提示中进行过度描述。解释角色的服装以及气球的类型是我们解决一致性的方法,因为逐个镜头/一代又一代,还没有适当的功能集来完全控制一致性。

    换句话说,传统电影制作中的简单问题(例如选择角色服装的颜色)到了Sora这里,反而需要更为复杂的解决方法,同时需要在生成系统中进行检查,因为每个镜头都是独立于其他镜头创建的。这种情况后续可能会改善,但目前肯定还是非常费力。

    此外,还必须注意Sora的输出是否有多余的元素:Cederberg描述了模型如何在气球上生成一张脸(主角的头部),或者一条挂在前面的绳子。如果他们无法通过提示可以删除这些脸或绳子,那么就必须通过后期删除它们,这是另一个耗时的过程。

    Sora爆火短频“气球人”制作者亲述优缺点:视频其实都是专业制作,Sora占一小部分;一致性不能很好控制;似有识别版权问题的机制图片

    人物或摄像机的精确时间和动作的控制,实际上也是做不到的:“对于这些不同动作在实际生成中发生的位置有一点时间控制,但这并不精确......这有点像在黑暗中拍摄,”说Cederberg。

    例如,与手动动画不同,对像挥手这样的手势进行计时是一个非常近似的、“建议驱动”的过程。像角色身体向上平移这样的镜头,也并不总是能呈现出电影制片人想要的内容。在这种情况下,团队不得不自己渲染一个纵向构图的镜头,并在后期进行了裁剪平移。生成的剪辑也经常是慢动作,没有特殊原因。 

    Sora爆火短频“气球人”制作者亲述优缺点:视频其实都是专业制作,Sora占一小部分;一致性不能很好控制;似有识别版权问题的机制图片

    Sora的一个镜头以及它如何在短片中生成的

    Cederberg说,事实上,使用电影制作的日常语言,比如“向右平移”或“跟踪镜头”,一般来说是不一致的,团队发现这非常令人惊讶。

    “研究人员在让艺术家使用这个工具之前,并没有真正像电影制作人那样思考,”他说。

    结果,该团队进行了数百次生成,每次生成 10 到 20 秒,最终只使用了其中的少数作品。Cederberg 估计该比例为 300:1 — 但当然,我们可能都会对普通拍摄的比例感到惊讶。

    此外,该团队实际上制作了一些幕后视频来解释他们遇到的一些问题。就像许多与人工智能相关的内容一样,这些评论对整个努力相当批评——尽管不像我们最近看到的受到嘲笑的人工智能辅助广告那么谩骂。

    2.Sora有某种机制拒绝涉嫌版权问题的生成

    最后一个有趣的问题与版权有关:如果你要求 Sora 给你一个“星球大战”剪辑,它会拒绝。如果你试图用“复古未来派宇宙飞船上拿着激光剑的长袍男子”来绕过它,它也会拒绝,因为它通过某种机制识别出你想要做什么。它还拒绝进行“阿罗诺夫斯基式镜头”或“希区柯克变焦”。

    一方面,这是完全有道理的。但它确实提出了一个问题:如果 Sora 知道这些是什么,是否意味着模型接受了该内容的训练,可以更好地识别它是否侵权?OpenAI 将其训练数据卡保密到了荒谬的地步,就像首席技术官 Mira Murati 接受乔安娜·斯特恩 (Joanna Stern) 的采访一样,几乎可以肯定永远不会告诉我们。

    至于 Sora 及其在电影制作中的使用,它显然是一个强大且有用的工具,但它的作用并不是“用整块布制作电影”。“那会是后来的事。”

    想了解更多AIGC的内容,请访问:

    51CTO AI.x社区

    https://www.51cto.com/aigc/

    本站声明:本文内容由网友自发贡献,版权归原作者所有,本站不承担相应法律责任。如您发现有涉嫌抄袭侵权的内容,请联系bd@zhengruan.com
    作者最新文章
    业界资讯 技术 OpenAI Sora
    上一篇: PS怎么做迭代效果_几个步骤搞定
    下一篇: 振华展出 LEADEX 1700W 钛金电源,推出全新 COMBAT“战斗”系列
    相关文章 更多
    OPPO 即将行业首发 5.5G 技术 理论可实现 10 倍连接速率提升
    OPPO 即将行业首发 5.5G 技术 理论可实现 10 倍连接速率提升

    3月28日,OPPOFind系列产品负责人周意保在微博发文,表示OPPO已经进入了5.5G时代。OPPOFindX7系列周意保在微博上传了一张截图,图中的手机锁屏界面右上方状态栏信号一栏显示为5GA,也就是人们更加熟悉的5.5G。此外,周意保也发文称:"和大家一起进入5.5G新移动网络时代!"宣布了5.5G新移动网络时代的到来。OPPOFind系列产品负责人周意保微博有博主表示,OPPOFindX7系列即将行业首发支持5G-A(5.5G),OTA固件已经准备好了。5G-A理论上可以实现10倍提升的连接速率

    sora使用指南国内使用的具体操作步骤教程
    sora使用指南国内使用的具体操作步骤教程

    本文详细解析Sora在国内的使用现状,指出目前官方未对公众开放注册,提醒用户警惕虚假链接,并提供关注官方动态及替代方案的实用建议。

    OpenAI GPT-6 Astra 自主通关《传送门》:技术原理与实验成本解析
    OpenAI GPT-6 Astra 自主通关《传送门》:技术原理与实验成本解析

    OpenAI GPT-6 Astra 模型通过 MCP 协议与 SourcePauseTool 控制《传送门》游戏,完成 3336 次工具调用并自主通关。实验耗时约 24 小时,API 成本约 571 美元,展示了多模态 AI 在 3D 解谜领域的突破性进展。

    OpenAI:数据中心容量在 2025 年增至 1.9 GW,增长三倍
    OpenAI:数据中心容量在 2025 年增至 1.9 GW,增长三倍

    OpenAI算力总量预计2025年达1.9GW,较2023年增长9.5倍,年经常性收入同步增至200亿美元。推理成本已压至每百万token不到1美元,采取训练性能优先、推理效率优先的双轨策略。未来营收将拓展技术授权与按成效付费模式,并优先研发AIAgent与工作流自动化。

    Transformer之父NoamShazeer离开谷歌加入OpenAI
    Transformer之父NoamShazeer离开谷歌加入OpenAI

    Transformer核心作者NoamShazeer离开谷歌加入OpenAI,担任架构研究负责人。他曾参与创办Character.AI,后因谷歌交易回归,如今再次转投。此举折射出行业对Transformer架构局限性的反思,以及下一代模型架构创新的迫切需求。

    突发!谷歌技术巨牛Noam跳槽OpenAI
    突发!谷歌技术巨牛Noam跳槽OpenAI

    Transformer论文共同一作、谷歌元老级AI专家NoamShazeer再次离开谷歌,加盟OpenAI。他拥有高达35万余次论文引用,近期专利涉及结构化工具调用、神经架构搜索及混合专家模型等关键方向。OpenAI借此补齐构建超级智能体与底层模型架构的核心能力。

    谷歌Transformer之父跳槽OpenAI,沙泽尔究竟在想什么?
    谷歌Transformer之父跳槽OpenAI,沙泽尔究竟在想什么?

    AI传奇人物诺姆·沙泽尔离开谷歌加入OpenAI。作为Transformer架构之父,他因不满谷歌严格的审批流程和“大公司病”,再次出走。选择OpenAI因其快速迭代理念和开放氛围,契合其推动AGI落地的核心诉求。

    Codex兼容国产开源模型!实测DeepSeek接入:门槛还是太高
    Codex兼容国产开源模型!实测DeepSeek接入:门槛还是太高

    OpenAI的Codex工具开放第三方模型接入,但实际门槛高,仅支持ResponsesAPI协议。DeepSeek等国产模型无法直接接入,需通过本地转接桥,响应速度慢于官方模型,但成本极低。此举为国产模型提供成熟Agent容器机会,但OpenAI仍掌握核心标准。

    AI制药迎来标准化评估时代,OpenAI入局催化创新药赛道估值重塑
    AI制药迎来标准化评估时代,OpenAI入局催化创新药赛道估值重塑

    OpenAI发布LifeSciBench基准测试,为AI制药建立标准化评估工具,推动行业规范。港股创新药板块短期承压,但AI制药从概念验证走向产业落地趋势不变,研发效率成核心竞争维度,板块估值有望修复。

    Getty Images与OpenAI达成“展示协议”,股价盘前暴涨141%
    Getty Images与OpenAI达成“展示协议”,股价盘前暴涨141%

    GettyImages与OpenAI签署展示协议,股价盘前暴涨141%,空头回补放大涨幅,市场反应强烈。此次合作标志着双方从对抗转向合作,OpenAI授权版图持续扩张,但公司基本面压力犹存。

    查看更多
    精品专题 更多
    装机必备
    装机必备

    正软商城装机必备专区,精选办公、浏览器、安全防护、影音播放、压缩解压、设计创作和系统工具等电脑常用正版软件,帮助用户快速完成新电脑软件配置。

    Windows
    Windows

    正软商城Windows软件专区,汇集适用于Windows电脑的办公、设计、安全防护、影音播放、开发工具和系统优化软件,提供软件介绍、系统要求、正版授权及购买下载服务。

    PDF教程
    PDF教程

    正软商城PDF教程频道提供PDF编辑、转换、合并、拆分、压缩及格式处理方法,同时介绍常用PDF软件和工具的使用技巧。

    Mac软件 更多
    讯飞智作 网页版
    讯飞智作 网页版
    Windows/ macOS/ Linux

    讯飞智作是一款基于语音合成技术、虚拟人驱动技术与数字人形象声音构建能力的 AI 数字人音视频创作平台。

    火山引擎 网页版
    火山引擎 网页版
    Windows/ macOS/ Linux

    火山引擎是字节跳动旗下企业级云与AI服务平台。聚焦大模型核心能力,依托字节自研豆包多模态大模型,凭借火山方舟一站式平台,提供模型精调、推理部署、智能应用搭建等全链路服务,结合高性能AI算力,助力各行业快速落地大模型数字化与智能化应用。

    Aperty macOS版
    Aperty macOS版
    macOS

    Aperty 是 Skylum 推出的 AI 人像修图软件,支持自然肤质修饰、瑕疵处理、面部与身体调整、预设及批量同步。

    WINDOWS 更多
    讯飞智作 网页版
    讯飞智作 网页版
    Windows/ macOS/ Linux

    讯飞智作是一款基于语音合成技术、虚拟人驱动技术与数字人形象声音构建能力的 AI 数字人音视频创作平台。

    火山引擎 网页版
    火山引擎 网页版
    Windows/ macOS/ Linux

    火山引擎是字节跳动旗下企业级云与AI服务平台。聚焦大模型核心能力,依托字节自研豆包多模态大模型,凭借火山方舟一站式平台,提供模型精调、推理部署、智能应用搭建等全链路服务,结合高性能AI算力,助力各行业快速落地大模型数字化与智能化应用。

    PixTV 网页版
    PixTV 网页版
    Windows

    PixTV 是一款在浏览器中使用的 AI 视觉内容创作平台,提供图片、视频、音频、文字生成、AI 分镜、局部重绘、提示词反推和无限画布等工具,适合短剧、漫剧、广告及社交媒体内容制作。