作者：Josie；來源：新矽NewGeek
前兩天外媒對Sora核心團隊做了次專訪，看了下原視頻，約等於什麼都沒說，場面神似發改委馬科長講話。
用網友的話來說，就像鏡頭外有個律師拿著槍對著這群人。
Sora已經發布快一個月了，剛發佈時Sora驚為天人，帶給人們無限遐想，甚至有不少人表示AGI就要來了。
然而，目前為止只有少數人用上了Sora，再好的東西用不上，久而久之人們也就失去了興趣。
就在人們把Sora翻得底朝天，該聊的都聊完了，好像實在沒活了，OpenAI派了幾個人出來接受採訪。
16分鐘的專訪裡，Sora的核心團隊成員說了很多內容，但都是一些已知的內容，沒有什麼新的，資訊好像還不如Sora的技術文檔多。
來看看外國人是怎麼打太極拳的。
這次訪談的三位Sora核心成員分別是Bill Peebles、Tim Brooks和Aditya Ramesh。
首先是大家最關心的問題，什麼時候可以用Sora？
“別急，普通人短期內還用不上。”
Sora成員表示，Sora目前尚未對外開放，也沒有具體的時間表。 OpenAI正在收集用戶回饋的階段，希望進一步聊天人們如何使用Sora，有哪些安全工作要做。
既然用不了，那麼探究一下，Sora是如何實現的。
Sora團隊說：Sora是一個視訊生成模型，其工作原理是分析大量視訊資料並學會產生視訊。具體工作方法融合了擴散模型（如DALL-E）和大型語言模型（如GPT系列）的技術。架構上Sora類似介於兩者之間，訓練方式類似DALL-E，但在結構上更像GPT。
結構上更像GPT這一點在Sora剛出現的時候就有不少人分析過，這也算是Sora的一大技術特性。
接下來，也是同樣讓人好奇的，Sora的訓練資料到底來自於哪裡？
在官方發布的Sora生成影片中，無論是咖啡杯中的海盜船，還是東京街頭行走的女性，都在表示Sora似乎理解了許多世界的物理規律。
之前不少民間說法討論，Sora極有可能在資料集中添加了用UE5產生的文字、影片當作合成資料。
面對這樣的問題，Sora成員Tim Brooks沒有明確回應，打了一個太極，表示不方便說得太細，但是他透露，大體上使用的是公開數據和OpenAI被授權使用的數據，並分享了一個「技術創新」。
以往，不論是影像還是影片產生模型，通常會以非常固定的尺寸進行訓練，例如只有一個解析度的影片。
在Sora的訓練中，他們將各種各樣的圖片和視頻，不管是高寬比、長短、高清還是低清，都分割成了一小塊。研究人員可以根據輸入影片的大小，訓練模型認識不同數量的小塊，這也讓Sora能更靈活地學習各種數據，並產生不同解析度和尺寸的內容。
這項技術在Sora技術文件裡也有提過，就是所謂的patch。
大語言模型建模時把文字拆成了以token為最小單位，而影片大模型中的token就是patch。
這項技術並不是OpenAI創造的，當OpenAI宣布使用了該技術時還引起了討論，為什麼OpenAI能就能透過別人的技術造出好的AI產品出來。
主持又問：你覺得Sora擅長做什麼？哪些方面還有所欠缺？例如我看到有個影片裡一隻手竟然長了六根手指。
Sora團隊先揚後抑的表示到，Sora擅長寫實類視頻，並且可以生成1分鐘時長的視頻，很強。但仍存在一些問題，例如手部細節（所有AI的噩夢）攝影機軌跡、物理現象變化等。
除此之外，Sora團隊還介紹了一些其他酷炫的功能，例如透過除prompt之外，用影片合成的方式產生影片。這實現了在完全不同主題和場景構成的影片之間無縫過渡。
在OpenAI的Tiktok上就有無人機變成蝴蝶在鬥獸場轉化的珊瑚礁中飛翔的影片。
無論在技術或體驗上，都與原先的影片生成模型完全不同。 Aditya Ramesh更是表示，他們做的事情，就是先模擬自然，再超越自然！
目前為止，OpenAI在Tiktok上的AI生成影片都使用了配音，而不是AI無縫生成聲音。 Sora團隊表示，AI聲音暫時不是他們考慮的事情，當務之急還是在於影片生成，讓它實現更長的時間，更好的畫質和頻率。
但不知道隨著Pika Sound Effects功能的發布，Sora加上聲音是否指日可待。
被主持人問到，Sora下一步發展方向時。 Sora成員Tim Brooks表示，在真正發布之前，Sora還有兩方面的工作要完成：
首先是獲得更多用戶的回饋，了解Sora如何為人們帶來價值。例如有用戶希望對產生的影片有更多精細、直接的控制，而不單單是prompts。
另一方面，Sora安全工作需要加強，OpenAI會全面考慮可能帶來的各種影響。目前，正在訓練應用於影片的溯源分類器，實現識別影片是否由AI生成，並且為每個Sora生成的影片都打上了水印。
此外，Sora團隊表示，AI生成影片也帶來了許多機遇，它可以大幅降低從創意到成片的成本，一個人拍一部電影完全有可能實現。
更令他們興奮的是，隨著AI新工具的出現，會有人創造出全新的東西，不斷推進創造力的邊界，將不可能變成可能。
但打住，這只是科學家美好的幻想。畢竟對一般人來說，離真正使用上Sora都要等上撐長一段時間。
而且，Sora成員透露。 AI透過從影片資料中學習，將不僅僅在影片創作方面發揮作用。像GPT這樣的模型，雖然很聰明，但如果它們無法像我們一樣「看到」這個世界，那麼它們就會缺少一些資訊。類似Sora的模型正在解決這個問題。
這是證實AGI要來了嗎？
最後主持人問了一個有趣的問題，Sora產生一個影片要多久？
“取決於各種情況，但你可以離開，去喝杯咖啡，然後回來它還在處理中，反正就是很久。”
以上就是Sora團隊的訪談內容，簡單總結一下就是：Sora很厲害，可以看到世界，正因如此，我們還不能讓普通人很快就用到，還有很多安全工作要做。
Umm，沒活可以咬打火機，沒必要硬上的。
