Sora首批专业级视频公布,OpenAI要给好莱坞亿点点震撼
2024-03-26 19:30

Sora首批专业级视频公布,OpenAI要给好莱坞亿点点震撼

本文来自微信公众号:APPSO (ID:appsolution),作者:莫崇宇,题图:由Sora生成


随着生成式 AI 的浪潮汹涌而至,即使是好莱坞这个长久以来被视为电影梦工厂的圣地,也迎来了变革的十字路口。


几天前,据彭博社报道,OpenAI 计划与好莱坞达成合作,鼓励电影制作人将 Sora 整合到工作流中,以此来拓展 OpenAI 在娱乐行业的影响力。


而在今天,一群与 OpenAI 合作的艺术家们用七部超现实主义大片给好莱坞的导演们“打了个样板”,并向整个影视行业发出了一次强有力的呼吁:


是时候该正视 AI 在艺术创作中的角色了。


一、教好莱坞导演“拍”短片


shy kids ,“空中梦想家”


位于多伦多的 shy kids 是一家多媒体制作公司,他们利用 Sora 讲述了一个关于气球人的故事。


短片的三位核心成员 Walter Woodman、Sidney Leeder 和 Patrick Cederberg 表示,Sora 的到来让他们能够将那些难以实现的故事变为现实。



视频来自 @dotey(已翻译),下同


导演 Walter 对 Sora 在创作过程中的表现给予了高度评价,“Sora 在创造看似真实的作品方面表现得非常出色,但更兴奋的是,它能够带来超越现实的创意。这不仅仅是技术上的突破,更是抽象表现主义进入一个全新阶段的标志。”


对整个行业来说,“来自世界各地、内心充满着想要迸发的故事的人们,终于有了一个机会,向世界展示他们心中的宇宙。”


Paul Trillo,导演


Paul Trillo 是一位跨领域的艺术家、作家及导演,他的作品获得《滚石》和《纽约客》等权威媒体的高度评价。


Paul 荣获 19 次 Vimeo Staff Picks 奖项,这是Vimeo 平台对其顶尖短片的认可。




“与 Sora 合作,我首次感受到了作为电影制作人的绝对自由,”他表示。“不再受时间、财力或他人意见的束缚,我可以更加大胆且充满激情地探索和实验。”


Sora 的力量在于,当我们不再复制旧有的东西,而是创造出全新的、以往我们无法想象的可能时,它能展现出惊人的能力。


Nik Kleverov,创意总监 / Native Foreign


坐落于洛杉矶的加州,Native Foreign 是一家获得艾美奖提名的创意机构,以精湛的品牌叙事、动效与标题设计,以及生成式 AI 的工作流程方面的专长而闻名。




作为联合创始人的 Nik Kleverov 正在利用 Sora“将概念视觉化,并为品牌伙伴的创意快速打磨迭代”,在他看来,预算将不再限制创意的叙事。


Nik 还分享了他的制作体验:“我是那种习惯于动态思维的创意工作者,因此当我在 Sora 中工作时,感觉就像能够将任何想法变为现实。”


August Kamp, 艺术家/音乐家


August Kamp 是一位多才多艺的艺术家,身兼音乐家、研究者、创意倡导者和跨学科艺术家多重身份。


对于 August 而言,Sora 的出现标志着一个历史性的突破。她曾感受到自己的艺术创作受限于想象力与现实可能性之间的张力,而 Sora 为她提供了一个全新的解决路径。




能够如此直接地打造和精炼电影级视觉效果,为我开辟了前所未有的艺术创作道路……


我真的非常期待,随着这些工具的未来发展,我们还能接触到哪些新的故事讲述形式。


Josephine Miller, 创意总监


Josephine Miller 是伦敦 Oraar Studio 的联合创始人及创意总监,她领导的工作室擅长 3D 视觉、增强现实和数字时尚的设计。




Josephine 对于 Sora 带来的影响同样有着深刻的体会:


“Sora 为我开启了一个全新的领域,让那些我多年梦想中的构思成为可能,这些构思以往因为技术壁垒而难以实现……


这种快速将想法以高品质概念化的能力,不仅对我的创意过程构成了挑战,也促进了我的故事讲述技巧的成长。它使我能够在更少的技术束缚下,将我的想象力转化为现实。”


Don Allen Stevenson III, 数字增强现实/混合现实艺术家


Don Allen III 是一位在梦工厂动画开始其职业生涯的多领域创作者,演说家和顾问,一直专注于探索混合现实、虚拟现实和人工智能的应用,不断推动创意和技术的界限。


我一直有个念头,创造一些我脑海中觉得有趣的增强现实异种生物。


有了 Sora,我现在能更简便地对这些构思进行初步实现,再进一步完善出 3D 角色,将它们置入增强现实环境中。




Don 特别强调了 Sora 的特别之处:“它打破了传统的物理定律和思维框架的束缚。”


他认为使用 Sora 可以使得他能够从技术的限制中解放出来,转而专注于无拘无束的创造性思考。“开启了即刻呈现想象和快速打造原型的新世界。”


同时,Don 也提到:“这让我能更有效地分配我的时间和精力,在正确的方向上深入挖掘,进一步增强我创作的角色想要传达的情感深度。”


Alex Reben, 雕塑家/艺术家,OpenAI 的驻地艺术家


Alexander Reben 这十年来致力于创作探讨 AI 中人性幽默与荒谬的艺术作品。


他通过手工将 AI 生成的图像转换成三维模型,并将这些模型具象化于现实世界中,创造出一系列引人深思的雕塑作品。




亚历克斯分享了他对 Sora 的看法:“我开始将 Sora 作为开发三维雕塑的新起点。我深入研究了摄影测量学及其在雕塑创作中的应用潜力,这一探索过程让我感到无比兴奋。


特别是,将视频转换成三维模型的可能性,让我意识到我们有能力将 AI 系统的应用推向一个全新的维度。”


二、Hollywood?Sorawood!


一周前,Factorial Funds 发布了一篇深入分析的文章,对 Sora 的运行成本进行了详细估算。


尽管有关 Sora 技术的详细信息虽然有限,但 Factorial Funds 研究人员认为可以将 Sora 看作是 DiT(Diffusion Transformers)在视频生成方面的扩展,并在推算过程中参考了 DiT 论文的数据。


DiT-XL 模型有 675M 参数,使用了大约 1021 FLOPS 的总计算量,相当于大约 0.4 个英伟达 H100 运行一个月。



假设视频以 24fps 编码,1 分钟的视频包含 1440 帧。考虑到 Sora 的空间和时间压缩的技术特性,如果按 DiT 论文的 8 倍压缩率,原本 1440 帧的视频在潜在空间中可能只需要 180 帧来表示。因此,相较于 DiT 处理图像,处理视频的计算量至少增加了 180 倍。


由于估计 Sora 的模型参数数量可能远超 675M,所以假设该模型为 20B 参数的模型,这意味着相比于 DiT,Sora 的计算需求增加了 30 倍。此外,Sora 训练的数据集比 DiT 也要大,这进一步增加了计算需求,乘数在 4 到 10 倍之间。


综合考量上述各项因素之后,研究人员估算出 Sora 训练一个月所需的计算资源大约在 4211-10528 块 H100 之间。


训练计算是一次性的大量计算,而推理计算虽然较小,但随着模型的广泛应用,会被频繁调用。



平衡点是指花费在推理上的计算量超过训练所需计算量的时刻。基于 DiT 到 Sora 的推算,Sora 每生成一段视频的计算成本约为 708×10^15 FLOPS,相当于每块 H100 GPU 大约每小时能生成 5 分钟视频。


在生成 1530 万 到 3810 万分钟视频后,推理计算将超过训练计算。考虑到 YouTube 每天上传的视频量约为 4300 万 分钟,这个平衡点在实际应用中很快就会达到。


不过,需要说明的是,上述许多数字都是估计值,并且依赖于简化的假设,并不一定为准确的数据。例如,它们没有考虑 GPU 的实际 FLOPS 利用率、内存容量和内存带宽的限制以及推测解码等先进技术。


研究人员估算了使用 Sora 生成覆盖一些主流视频平台内容所需 H100 GPU 的数量。由上文推算可知,每块 H100 每小时能制作 5 分钟的视频,也就意味着每块 H100 每天能制作大约 120 分钟的视频。


TikTok 每天总视频数大约为 3.4 亿,平均时长约为 30 秒,那 TiKtok 每天大约产生约 1.7 亿分钟的视频,同理,YouTube 每天产生的视频总时长约为 4.3 亿分钟。


假设 AI 参与视频生成的比例为 15%(大部分视频时长低于 2 分钟),那么 AI 每天产生的视频时长:8500 万 + 6500 万 = 1.07 亿分钟。


也就是说,仅仅为了支持 Tiktok 和 YouTube 上的创作者社区,所需英伟达 H100 GPU 的总量约为 89000 块。



然而上述的推算还算偏保守,因为还需要考虑其他因素:


首先,在实际情况中,GPU 的计算能力可能会受到内存限制和通信瓶颈的影响,导致实际可用的计算能力低于理论最大值。因此,认为 50% 的利用率更为现实,这意味着为了达到相同的计算效果,所需的 GPU 数量需要增加一倍。


其次,视频制作的需求在一天中不是均匀分布的,而是集中在某些高峰时段。在这些高峰时段,由于需求激增,需要更多的 GPU 来处理这些额外的计算任务,这可能导致所需的 GPU 数量再次翻倍。


在制作视频时,创作者通常会制作多个候选版本,然后从中选择最佳的一个上传。研究人员估计,平均每上传一个视频,会制作两个候选视频。这意味着实际的视频制作过程需要的计算资源是单个视频的三倍,因此所需的 GPU 数量也还需要增加一倍。


综合考虑这些因素,研究人员得出了一个保守的估计,即在高峰时段,大约需要 72 万块 H100 GPU 来满足实际需求。


附上原文链接:https://www.factorialfunds.com/blog/under-the-hood-how-openai-s-sora-model-works


作为对比,Meta CEO 扎克伯格曾宣布为了推进 AGI,将豪砸上百亿美元购买 35 万个有价无市的 H100 GPU,而这一数字还只是覆盖 Tiktok 和 YouTube 所需计算资源的一半。


不久前,好莱坞知名制片人兼导演泰勒·派瑞在接触 Sora 没几天后,突然宣布搁置筹备了长达四年的 8 亿美元制片厂扩建计划,成了 Sora 诞生的首个受害者。


由于 Sora 和我看到的东西,所有这一切都被无限期搁置。


这一表态在影视行业引起了不少的恐慌,如今看来,倘若上文推算的数据属实,那么 Sora 要想短时间抢走影视工作者的饭碗,似乎还有一段长路要走。


此外,美国《纽约客》杂志的一篇报道指出,ChatGPT 每天用电量是美国家庭平均用电量的 1.7 万多倍。并且随着生成式 AI 的进一步普及,耗电量还会持续攀升。


马斯克也曾发出警告,未来两年内,行业的主要障碍将由“缺硅”转为“缺电”,并或将成为 AI 发展的新瓶颈。


但这些只不过是技术发展道路上的短暂性难题,随着时间的推移,算力的限制和资源等外在因素的桎梏也是最容易被攻克的一环。


就 Sora 目前展现出的技术成果来看,生成画面的震撼足以掩盖音效上的瑕疵,而且我们至今仍未窥见 OpenAI 的弹药库里是否还藏着音效界的 ChatGPT。


即使 OpenAI 尚未发展此类技术,市场上先进的 ElevenLabs、以及近日爆火的 Suno 等音效工具也完全有能力填补 Sora 在工作流中的最后一块空白。


因此,可预见的是,在不远的将来,影视制作将变得前所未有的简单——仅需一部剧本,就能一键生成一部完整的电影作品。


而剧本创作的门槛,早在 ChatGPT 问世之后,就已经成了生成式 AI 最先颠覆的领域。


本文来自微信公众号:APPSO (ID:appsolution),作者:莫崇宇

本内容为作者独立观点,不代表虎嗅立场。未经允许不得转载,授权事宜请联系hezuo@huxiu.com
如对本稿件有异议或投诉,请联系tougao@huxiu.com
正在改变与想要改变世界的人,都在 虎嗅APP
赞赏
关闭赞赏 开启赞赏

支持一下   修改

确定