传媒行业研究：AI系列跟踪(25)：OPENAI推出SORA 文生视频领域再出王炸

　　事件描述
　　2024 年2 月16 日凌晨（美国时间2 月15 日），OpenAI 发布了“文生视频”（Text-to-video）的工具，Sora，文生视频领域迎来里程碑式发展，通过简短的文本提示或一张静态图片，Sora能够生成持续一分钟左右的1080P 高清视频，并可以涵盖多个角色、不同类型的动作和背景细节等。在OpenAI 发布Sora 的2 小时之前，谷歌发布了Gemini Pro1.5，其模型性能在多个维度有显著改进，能够跨模态进行高度复杂的理解和推理（Gemini 对标OpenAI 的ChatGPT）。
　　事件评论
　　Sora 使得文生视频行业迎来颠覆：1）视频生成时间更长：此前，受制于AI 文本到视频生成的物理和时空推理局限，Pika、Runway、Meta 等行业玩家生成的视频最长不超过18秒，此次Sora 生成的视频可长达60 秒，角色具有一致性且可以保持长镜头的稳定性；2）多角度镜头无缝切换：此前AI 生成视频产品都是单镜头单生成，在效果层面犹如让一张图片动起来。但是由Sora 生成的视频，能够在主体一致性的前提下实现多角度镜头无缝切换，整个画面干净流畅，从而实现真正的视频大片效果；3）使用世界模型，构建物理世界模拟器：此前的AI 生成视频大部分都是基于“大模型+大数据”架构，难以突破AI幻觉问题。此次Sora 已经具有了世界模型（为真实世界建模，学习人类理解世界的方式）的雏形，其生成的视频是对真实物理世界的理解，内容更加符合逻辑也更加令人信服。例如，其生成的视频中：画家可以在画布上留下新的笔触、一个人吃汉堡可以留下咬痕。
　　Gemini Pro1.5 模型性能得到显著提升：1）在长语境理解方面实现了突破：在 GPT-4 能理解的上下文长度是128K，Claude 是200K 的背景下，Gemini Pro 1.5 提升至1M。即1 个小时的视频、11 个小时的音频、超过70 万字的代码库，其可以一次性阅读处理完；2）能够同时处理文本、图像、音频、视频等大量多模态信息：例如，研究人员给GeminiPro 1.5 提供了一份长达402 页的阿波罗登月的任务记录，然后向其提问这个脚印所代表的含义，Gemini Pro 1.5 能准确地记住信息并回答：这代表登月的那一刻，是个人的一小步，人类的一大步。
　　海外大厂AI 动作加速，重点关注AI+电商/广告/视频/游戏落地：此次OpenAI 推出Sora，谷歌推出Gemini Pro1.5，为行业带来颠覆性体验，未来AI+趋势势不可挡。Sora 可以降低电商、广告、短视频领域的创作门槛。未来Sora 将可能被应用于建模、生成游戏动画和场景等，游戏开发者的门槛可以降低，建议关注AI+电商/广告/视频/游戏投资机会。
　　风险提示
　　1、AI 技术发展不及预期风险；；
　　2、内容监管风险。
【免责声明】本文仅代表第三方观点，不代表和讯网立场。投资者据此操作，风险请自担。

   【免责声明】本文仅代表第三方观点，不代表和讯网立场。投资者据此操作，风险请自担。