Sora有何商業(yè)價值？文本生成視頻模型迎來重大突破

• 吳亞楠 2024年2月20日 來源：互聯(lián)網(wǎng) 838 51
• 繁體

文生視頻需要大量的“文本-視頻”配對數(shù)據(jù)，而目前缺乏多樣化的數(shù)據(jù)集，且數(shù)據(jù)標(biāo)注的工作量較大。因而此前視頻大多為5-15秒，而Sora將視頻時長提升至1分鐘，支持生成多個鏡頭，同時基本維持了角色和視覺風(fēng)格的一致性，并能在一定程度上“理解”現(xiàn)實世界。

Sora到底是什么?

2月16日，OpenAI發(fā)布文生視頻模型Sora。它能夠根據(jù)用戶輸入的提示詞、文本指令或靜態(tài)圖像，生成長達一分鐘的視頻，其中既能實現(xiàn)多角度鏡頭的自然切換，還包含復(fù)雜的場景和生動的角色表情，且故事的邏輯性和連貫性極佳。

Sora具有三大突出亮點：一是60秒長視頻，可以保持視頻主體與背景的高度流暢性與穩(wěn)定性;二是在一個視頻內(nèi)實現(xiàn)多角度鏡頭，分鏡切換符合邏輯且十分流暢;三是理解真實世界的能力，對于光影反射、運動方式、鏡頭移動等細節(jié)處理得十分優(yōu)秀，極大地提升了真實感。

文生視頻需要大量的“文本-視頻”配對數(shù)據(jù)，而目前缺乏多樣化的數(shù)據(jù)集，且數(shù)據(jù)標(biāo)注的工作量較大。因而此前視頻大多為5-15秒，而Sora將視頻時長提升至1分鐘，支持生成多個鏡頭，同時基本維持了角色和視覺風(fēng)格的一致性，并能在一定程度上“理解”現(xiàn)實世界。

技術(shù)角度來看，Sora采用了“擴散+Transformer”的視頻生成大模型技術(shù)路線，可謂有了里程碑式的技術(shù)進步。相比以往使用的同為擴散模型的U-Net，Transformer架構(gòu)的參數(shù)可拓展性強，即參數(shù)量增加，性能加速提升，同時支持任意分辨率、長寬比、時長的視頻訓(xùn)練數(shù)據(jù)，不會因為壓縮導(dǎo)致訓(xùn)練數(shù)據(jù)質(zhì)量下降。此外，Sora訓(xùn)練了能在時間和空間上壓縮視頻的自編碼器，這也是其能夠大幅提升生成視頻時長的原因。

Sora有何商業(yè)價值?

安爵資產(chǎn)董事長劉巖：Sora模型的出現(xiàn)預(yù)示著行業(yè)變革的來臨。在內(nèi)容創(chuàng)作與媒體領(lǐng)域，它將徹底改變視頻制作的傳統(tǒng)方式，助力創(chuàng)作者以更高效、更低成本的方式創(chuàng)作出高質(zhì)量視頻，從而推動整個行業(yè)的工作效率提升。對于廣告、電影預(yù)告片和短視頻等行業(yè)，Sora模型更是可能帶來顛覆性的創(chuàng)新。同時其在模擬世界方面的能力為虛擬現(xiàn)實、游戲開發(fā)等領(lǐng)域開辟了巨大的潛力空間。

工銀瑞信：商業(yè)角度來看，從“idea或IP→內(nèi)容生產(chǎn)→內(nèi)容分發(fā)”的產(chǎn)業(yè)鏈，長期預(yù)計視頻生產(chǎn)的成本將大幅降低。目前AI生成視頻的水平還有待提升，可能更適合做對視頻質(zhì)量要求低的互聯(lián)網(wǎng)廣告素材，如游戲買量素材等。由于Sora基本處于閉源狀態(tài)，技術(shù)細節(jié)并未公布，相比于GPT有較多開源模型而言，國內(nèi)視頻生成模型方面尚有差距，利好有idea但落地較慢的動畫電影公司、IP公司，以及能夠降本增效的游戲行業(yè)。

文本生成視頻模型迎來重大突破

OpenAI發(fā)布SoraAI視頻生成模型，文本生成視頻模型迎來重大突破。隨著文生圖、圖片對話技術(shù)的成熟，文生視頻可能成為多模態(tài)大模型下一步發(fā)展的方向。該技術(shù)有望極大降低短劇制作的成本，并且會進一步向影視、自媒體、游戲等領(lǐng)域滲透，提高視頻創(chuàng)作效率等。

智能視頻(Intelligent Video)是利用計算機視覺和人工智能技術(shù)，對視頻內(nèi)容進行自動分析、識別和理解，從而提取出有用的信息，實現(xiàn)視頻監(jiān)控、智能分析、行為識別、人臉識別等多種應(yīng)用。智能視頻技術(shù)可以大大提高視頻監(jiān)控的效率和準(zhǔn)確性，減少人工干預(yù)和誤報率，為安防、交通、醫(yī)療、教育等領(lǐng)域提供更為智能化和高效化的解決方案。

根據(jù)中研普華研究院撰寫的《2023-2028年中國智能視頻行業(yè)競爭分析及發(fā)展前景預(yù)測報告》顯示：

智能視頻行業(yè)發(fā)展分析

智能視頻的核心技術(shù)包括計算機視覺、深度學(xué)習(xí)、機器學(xué)習(xí)等。通過對視頻幀進行逐幀分析，智能視頻系統(tǒng)可以識別出目標(biāo)對象、分析其行為軌跡、檢測異常事件等。同時，利用大數(shù)據(jù)和云計算技術(shù)，可以對大量視頻數(shù)據(jù)進行存儲、分析和挖掘，從而發(fā)現(xiàn)隱藏在視頻數(shù)據(jù)中的有用信息，為決策提供數(shù)據(jù)支持。

目前，智能視頻已經(jīng)在多個領(lǐng)域得到廣泛應(yīng)用。在安防領(lǐng)域，智能視頻監(jiān)控可以自動識別出入侵者、異常行為等，并及時發(fā)出報警，提高安全防范能力。在交通領(lǐng)域，智能視頻可以實時監(jiān)測交通流量、違章行為等，為交通管理提供有力支持。在醫(yī)療領(lǐng)域，智能視頻可以幫助醫(yī)生進行手術(shù)操作、病情監(jiān)測等，提高醫(yī)療效率和質(zhì)量。在教育領(lǐng)域，智能視頻可以輔助教師進行教學(xué)、學(xué)生學(xué)習(xí)情況監(jiān)測等，提高教學(xué)效果和學(xué)習(xí)體驗。

隨著人工智能和計算機視覺技術(shù)的不斷發(fā)展，智能視頻的應(yīng)用領(lǐng)域和場景將不斷擴大和深化。同時，隨著5G、物聯(lián)網(wǎng)等技術(shù)的普及和應(yīng)用，智能視頻也將與其他技術(shù)相互融合，形成更為智能化和高效化的解決方案，為各個領(lǐng)域的發(fā)展提供有力支持。

從發(fā)展現(xiàn)狀來看，智能視頻行業(yè)正在快速發(fā)展，市場規(guī)模持續(xù)擴大。隨著人工智能、大數(shù)據(jù)、云計算等技術(shù)的不斷進步，智能視頻在各個領(lǐng)域的應(yīng)用也越來越廣泛。

例如，在安防領(lǐng)域，智能視頻監(jiān)控設(shè)備已經(jīng)廣泛應(yīng)用于各種場景，有效地提高了安全防范能力。在娛樂領(lǐng)域，智能視頻技術(shù)也為用戶提供了更加豐富和個性化的體驗。此外，隨著5G技術(shù)的普及和應(yīng)用，智能視頻行業(yè)也迎來了新的發(fā)展機遇。

智能視頻行業(yè)的發(fā)展?jié)摿薮蟆?/strong>隨著人工智能技術(shù)的不斷發(fā)展和應(yīng)用，智能視頻將在更多領(lǐng)域得到應(yīng)用，如智能家居、智能交通、智能醫(yī)療等。

同時，隨著人們對視頻內(nèi)容質(zhì)量和體驗的要求不斷提高，智能視頻技術(shù)也將不斷提升，為用戶提供更加高質(zhì)量和個性化的視頻體驗。此外，隨著政策的不斷推動和市場的不斷擴大，智能視頻行業(yè)的競爭格局也將更加激烈，這將進一步推動行業(yè)的發(fā)展和創(chuàng)新。

隨著人工智能、大數(shù)據(jù)、云計算等技術(shù)的快速發(fā)展，智能視頻行業(yè)在算法優(yōu)化、視頻處理、數(shù)據(jù)分析等方面取得了顯著的進步。例如，深度學(xué)習(xí)、神經(jīng)網(wǎng)絡(luò)等技術(shù)的應(yīng)用，使得智能視頻在目標(biāo)檢測、人臉識別、行為分析等方面更加精準(zhǔn)和高效。同時，新的視頻編解碼技術(shù)、邊緣計算等也為智能視頻行業(yè)的發(fā)展提供了新的動力。

智能視頻行業(yè)發(fā)展機會

5G網(wǎng)絡(luò)的普及和用戶需求的多元化，短視頻平臺之間的競爭也從內(nèi)容數(shù)量轉(zhuǎn)向內(nèi)容質(zhì)量和創(chuàng)新能力。因此，短視頻平臺需要不斷提升自身的技術(shù)水平和服務(wù)水平，打造差異化的產(chǎn)品特色和用戶體驗，增強智能視頻分析用戶粘性和忠誠度。

5G技術(shù)的發(fā)展和應(yīng)用，以及農(nóng)村互聯(lián)網(wǎng)的進一步普及，智能視頻分析仍然具有很樂觀的增長前景。同時，AR、VR、無人機拍攝、全景技術(shù)等視頻拍攝技術(shù)的日益成熟和應(yīng)用，也會給觀眾帶來越來越好的視覺體驗，進而有力地促進行業(yè)的發(fā)展。

智能視頻分析的需求正在快速增長，特別是隨著實時安全監(jiān)控應(yīng)用的需求增加，實時發(fā)現(xiàn)安全隱患或目標(biāo)異常行為的功能已經(jīng)具有越來越重要的現(xiàn)實意義，智能視頻分析產(chǎn)品在這種日益增長的需求帶動下，正在成為視頻監(jiān)控應(yīng)用的新熱點。

隨著人們對視頻內(nèi)容質(zhì)量和體驗的要求不斷提高，智能視頻的市場需求也在持續(xù)增長。特別是在高清、超高清視頻、VR/AR、智能家居等新興領(lǐng)域，智能視頻技術(shù)的應(yīng)用將更加廣泛。這為智能視頻企業(yè)提供了巨大的市場機會和發(fā)展空間。

政策支持與推動：政府對于智能視頻行業(yè)的發(fā)展也給予了大力支持。例如，推動人工智能、大數(shù)據(jù)等技術(shù)的發(fā)展，鼓勵跨界合作和創(chuàng)新，提供資金支持等。這些政策為智能視頻行業(yè)的發(fā)展提供了良好的環(huán)境和機遇。

在激烈的市場競爭中，企業(yè)及投資者能否做出適時有效的市場決策是制勝的關(guān)鍵。中研網(wǎng)撰寫的智能視頻行業(yè)報告對中國智能視頻行業(yè)的發(fā)展現(xiàn)狀、競爭格局及市場供需形勢進行了具體分析，并從行業(yè)的政策環(huán)境、經(jīng)濟環(huán)境、社會環(huán)境及技術(shù)環(huán)境等方面分析行業(yè)面臨的機遇及挑戰(zhàn)。同時揭示了市場潛在需求與潛在機會，為戰(zhàn)略投資者選擇恰當(dāng)?shù)耐顿Y時機和公司領(lǐng)導(dǎo)層做戰(zhàn)略規(guī)劃提供準(zhǔn)確的市場情報信息及科學(xué)的決策依據(jù)，同時對政府部門也具有極大的參考價值。

想了解關(guān)于更多智能視頻行業(yè)專業(yè)分析，可點擊查看中研普華研究院撰寫的《2023-2028年中國智能視頻行業(yè)競爭分析及發(fā)展前景預(yù)測報告》。同時本報告還包含大量的數(shù)據(jù)、深入分析、專業(yè)方法和價值洞察，可以幫助您更好地了解行業(yè)的趨勢、風(fēng)險和機遇。