How Just Released Sora Stacks Up to Other AI Video Generators
18:45 Share

Sora，OpenAI 的视频生成器，终于上线了，承诺提供新的创意表达工具。该视频考察了 Sora 的功能，如故事板模式和图像到视频的能力，同时将其与 Runway、Pika Labs 和 Luma 等竞争对手进行比较。虽然 Sora 在某些领域表现出色，但在物理和可访问性方面仍然面临挑战。它的表现如何，这对视频生成的未来意味着什么？ 由以下公司提供支持： Vanta - 简化合规 - ⁠⁠⁠⁠⁠⁠⁠https://vanta.com/nlw AI Daily Brief 帮助您了解 AI 中最重要的新闻和讨论。 在您收听的任何地方订阅 AI Daily Brief 的播客版本：https://pod.link/1680633614 订阅时事通讯：https://aidailybrief.beehiiv.com/ 加入我们的 Discord：https://bit.ly/aibreakdown

</context> <raw_text>0 今天的 AI Daily Brief 中，OpenAI 的 Sora 终于发布，谷歌宣布量子计算的突破。AI Daily Brief 是一个关于 AI 中最重要新闻和讨论的每日播客和视频。要参与讨论，请在我们的节目说明中点击 Discord 链接。

欢迎回到 AI Daily Brief 头条版，您需要的每日 AI 新闻大约在五分钟内。谷歌试图主导新闻周期的长期模式一直存在，而 OpenAI 则设法在他们之前抢先一步。然而，昨天我们得到了相反的情况，理论上 Sora 是最大的公告，直到谷歌突然发布了这个让人震惊的公告。

谷歌宣布了一款名为 Willow 的新量子计算芯片。他们声称，引用，“Willow 在不到五分钟的时间内完成了一项标准基准计算，而今天最快的超级计算机需要 10 的 25 次方年，这个数字远远超过宇宙的年龄。”公告的一部分是他们声称已经解决了量子计算的扩展问题。

该芯片架构能够随着更多量子比特的增加而指数级减少错误，量子比特是量子计算中比特的等价物。与周围环境的相互作用导致的错误是该技术的关键问题，并且在近 30 年内一直未得到解决。谷歌量子 AI 创始人 Hartmut Nevin 写道，

这一历史性成就被称为“低阈值”，能够在增加量子比特数量的同时降低错误。您必须证明自己处于低阈值状态，以显示在错误修正方面的真正进展。这自从 1995 年彼得·肖尔引入量子错误修正以来一直是一个突出的挑战。如果这一切对您来说完全是希腊文，那么 TLDR 的含义是，这是第一次看起来有可行的路径可以实现大规模量子计算。到目前为止，所有实验都是极小的概念验证。

新颖且重要，但并不是构建有用量子计算机的第一步。量子计算的核心思想是能够以难以想象的速度处理某些计算。传统计算仅沿直线移动，处理器按顺序测试解决方案，然后得出答案。量子计算允许同时测试所有解决方案。

至于我们在这里讨论的原因，这项技术一旦商业化，将对 AI 训练产生巨大的解锁作用。我的同事们有时问我为什么离开蓬勃发展的 AI 领域，专注于量子计算。我的回答是，这两者都将证明是我们时代最具变革性的技术，但先进的 AI 将显著受益于对量子计算的访问。量子计算对于收集经典机器无法获取的训练数据、训练和优化某些学习架构以及建模量子效应重要的系统将是不可或缺的。

这包括帮助我们发现新药物、为电动汽车设计更高效的电池，以及加速聚变和新能源替代品的进展。许多这些未来改变游戏规则的应用在经典计算机上是不可行的。它们正等待通过量子计算的解锁。

现在这听起来令人难以置信，但这个故事的炒作缓解版本是什么？前 NVIDIA 领导者 Bojan Tenggu 说：“在我阅读更多关于谷歌所谓的量子计算突破之前，我一直在推迟发表更多看法。结果，正如我所怀疑的那样，这被过度炒作了。是的，这是好的科学，但就任何实际应用而言，我们可能至少还需要十年的时间。即便如此，它很可能只会在分子动力学等专业领域应用。一个好的经验法则是，量子计算机在处理与量子力学自然相关的事情时表现得非常好。

这实际上完全是关于随机性的。与传统计算相关的确定性计算与传统计算机的能力相当。

尽管如此，他还是对量子计算还需要十年的想法不以为然。我认为这正是许多兴奋的来源。它关乎未来的时间表。教育工作者 Paul Kuvert 写道：“所以在不到 24 小时的时间里，我们得到了谷歌发布一款量子芯片，解决了五分钟内的问题，而这将需要最好的超级计算机 10 的 27 次方年，OpenAI 以几乎照片级真实的 AI 视频质量推出 Sora。这个时间表真是不可思议。”风险投资者 Neil Kostler 写道：“如果 AGI 和有用的量子计算时间表重合，事情将变得非常奇怪。”

再加上一点机器人技术，25 年后的世界看起来与今天几乎完全不同的可能性正在增加。Alex Treese 指出，这次量子公告的最好部分是谷歌说：“是的，我不知道，我们可能生活在一个多元宇宙中。”他从博客文章中提取的具体句子是：“这为量子计算发生在许多平行宇宙中的观点提供了可信度，这与我们生活在多元宇宙的观点一致。”再次强调，这只是一个随意的句子。总的来说，虽然这可能不是今天的技术，但它仍然非常酷。

谈到 AGI，微软 AI 负责人 Mustafa Suleiman 对 AGI 辩论发表了看法，并认为与 Sam Altman 的看法截然不同。在 Reddit AMA 中，Suleiman 说这项技术仍然需要十年的时间，并补充道：“……我认为这不能在 NVIDIA Blackwell GB200s 上完成。我确实认为在接下来的两到五代中某个时候是可行的。我不想说我认为它在两年内有很高的概率，但我认为在接下来的五到七年内是可能的，因为每一代现在需要 18 到 24 个月。”

因此，五代可能需要长达 10 年的时间，具体取决于事情的发展。当然，这与 Sam Altman 最近的评论相悖，他表示 AGI 即将到来，引用，Suleiman 还深入探讨了 AGI 的哲学问题，这当然对我们认为它何时到达有很大的影响。他说，

“对我来说，AGI 是一种通用学习系统，能够在所有人类水平的训练环境中表现良好。因此，知识工作，顺便说一下，包括体力劳动。我对完成机器人工作进展和复杂性的怀疑很多。但我可以很好地想象，我们将拥有一个系统，可以在没有大量手工提示的情况下学习，在非常广泛的环境中表现良好。我认为这不一定会导致 AGI，也不会导致奇点，但这意味着在接下来的五到十年中，大多数人类知识工作可能会由我们开发的 AI 系统执行。

我认为我之所以避免使用奇点或人工超级智能的语言，是因为我认为它们是非常不同的事情。当然，AGI 的定义对微软来说非常重要，因为如果实验室成功实现 AGI，将触发他们与 OpenAI 的交易终止。或者至少如果 OpenAI 的董事会宣布 AGI 已经实现。

然而，最近的报道表明，这一合同条款正在重新考虑，OpenAI 可能会将其删除，以便顺利转换为盈利公司。Selimont 提到了两家公司之间的紧张关系，表示：“每个合作关系都有紧张关系。这是健康和自然的。我是说，他们与我们完全是不同的业务。他们独立运营，合作关系会发展，他们必须适应当时有效的方式。所以我们将看看在接下来的几年中这将如何变化。

就其价值而言，这是我们看到的关于紧张关系的任何问题中最不否认的，这可能反映出关系变得更加紧张，或者也可能仅仅反映出 Suleiman 被引入作为微软对 OpenAI 未来不确定性的对冲。

最后，XAI 正式宣布将在本周末发布其尖端图像模型。周五晚上，XAI 发布了他们内部开发的图像模型 Aurora。该模型仅在几个小时内可用，但这足以让用户对其能力感到惊讶。它生成了一些迄今为止从生成 AI 中看到的最佳照片级真实图像，并似乎特别擅长复制名人。

一旦被撤下，用户们开始想知道何时会有机会再次使用该模型，或者是否可能存在与几乎完全缺乏版权和深度伪造保护措施相关的重大安全问题。团队现在已确认 Aurora 在特定地区发布，并将在一周内全面推出。在一篇公告博客中，他们写道：“Grok 现在可以在多个领域生成高质量图像，而其他图像生成模型往往难以做到。它可以渲染现实世界实体、文本、徽标的精确视觉细节，并可以创建逼真的人类肖像。”

XAI 开发者 Ethan Knight 写道，

埃隆·马斯克确认该模型是在大约六个月内内部开发的，这解决了周五晚上预览时的一些问题。主要是，该模型是否与提供当前驱动 XAI 图像生成能力的 flux 模型的 Black Forest Labs 合作。但该模型由小团队如此快速地训练的事实表明，要么 A，我们即将看到图像生成的巨大改进，要么 XAI 团队显然如他们所认为的那样非常出色。

无论如何，这在图像生成领域又增加了一个竞争者。然而，这就是今天 AI Daily Brief 头条版的全部内容。接下来是主要剧集。今天的剧集由 Plum 提供支持。想用 AI 自动化您的工作但不知道从哪里开始？Plum 让您通过简单描述您想要的内容来创建 AI 工作流。无需编码或 API 密钥。想象一下，输入“AI，分析我的 Zoom 会议并将您的见解发送给我在 Notion 中”，并看着它在您眼前变为现实。

无论您是运营负责人、市场营销人员，还是甚至是非技术创始人，Plum 都能让您在没有技术麻烦的情况下享受 AI 的力量。立即访问顶级模型，如 GPT-4.0、CloudSonic 3.5、Assembly AI 等等。不要让技术阻碍您。查看 Use Plum，Plum 中带有 B，以获得工作流自动化未来的早期访问。今天的剧集由 Vanta 提供支持。无论您是启动还是扩展公司的安全计划，展示一流的安全实践和建立信任比以往任何时候都重要。

Vanta 自动化 ISO 27001、SOC 2、GDPR 和领先的 AI 框架（如 ISO 42001 和 NIST AI 风险管理框架）的合规性，节省您的时间和金钱，同时帮助您建立客户信任。此外，您可以通过自动化问卷和通过 Vanta AI 提供的客户信任中心展示您的安全态势来简化安全审查。

全球超过 8000 家公司，如 Langchain、Leela AI 和 Factory AI，使用 Vanta 来展示 AI 信任并实时证明安全性。了解更多信息，请访问 vanta.com/nlw。即 vanta.com/nlw。今天的剧集一如既往地由 Superintelligent 提供支持。

您是否曾想要一个完全专注于 AI 如何与您的公司相关的 AI 每日简报？您的公司在 AI 采用方面是否遇到困难，无论是因为您在弄清楚哪些用例会带来价值时停滞不前，还是因为正在发生的 AI 转型在各个团队、部门和员工之间是孤立的，无法改变整个公司？Superintelligent 开发了一种新的定制内部播客产品，通过分享来自您公司内部和外部的最佳 AI 用例来激励您的团队。

把它想象成一个 AI 每日简报，但仅针对您公司的 AI 用例。如果您想了解更多，请访问 besuper.ai/partner 并填写信息请求表。我对这个产品非常兴奋，所以我会亲自尽快回复您。再次强调，访问 besuper.ai/partner。经过几个月的等待，OpenAI 最终发布了 Sora。

当公司上周宣布他们将进行 12 天的船运节时，关于 Sora 将成为其中一部分的传言立即开始传播。坦率地说，很多人觉得如果没有它，那就有问题。结果证明这些传言是正确的。昨天，OpenAI 发推文称：“我们送给您的节日礼物，Sora 来了。”

他们继续说道：“现在您可以从文本生成全新视频，让图像栩栩如生，或扩展、混合或融合您已有的视频。我们开发了新的界面，以便更轻松地提示、创造控制和社区共享。自从 2 月份预览 Sora 以来，我们一直在构建 Sora Turbo，这是一个显著更快的模型版本，供您使用。我们今天将其作为独立产品发布给 Plus 和 Pro 用户。我们希望这个早期版本的 Sora 能帮助人们探索新的创造形式。我们迫不及待想看到您创造的东西。

我认为有几件事很有趣：正如您刚刚听到的，该模型可以根据文本或图像输入生成视频。它可以创建最长 20 秒、分辨率高达 1080p 的剪辑。但除了模型，他们还对界面进行了很多思考。用户可以轻松在以网格或列表显示的生成视频之间切换。我认为更有趣的是故事板模式，它允许用户将多个剪辑排列成一个连续的视频。模型将尝试在单个剪辑之间创建无缝过渡，但

用户可以控制剪辑的速度。故事板还允许逐帧输入。这是一个界面更新，从实际制作的角度来看，使模型的可用性有了巨大的提升。

在可用性方面，对于 Plus 级订阅者，Sora 现在可用，每月限制 50 个视频，分辨率最高为 480p，或更少的视频为 720p。Pro 级用户可以访问更高的分辨率、更长的时长和每月最多 500 个视频。如果您设法用完所有 500 个视频，模型仍然可以以较低的速度访问。当然，前提是您可以实际注册。正如您在访问 Sora.com 时看到的，当前无法创建帐户。

Altman 发推文称：“我强烈猜测他们没有低估 Sora 的需求。只是他们受到限制，他们决定推出后再处理这个问题，以创造紧迫感和炒作，而不是慢慢让正式获得访问权限的人。”

另一个附带说明是，Sora 在欧盟和英国不可用，再次显示这些国家的监管立场使其公民无法接触到前沿技术。当 Tech Accounts 发推文称“请把它带到欧洲”时，Altman 回复说：“我们希望在欧洲提供我们的产品，并相信强大的欧洲对世界很重要。我们也必须遵守法规。我通常会期待我们对新产品在欧洲的推出会有所延迟，并且可能有一些我们根本无法提供的产品。”

至于 Sora 为什么花了这么长时间才推出，部分原因似乎是出于安全考虑。目前，OpenAI 似乎正在采取发布模型并根据人们的使用情况微调安全参数的计划。他们写道：“……我们现在推出视频生成技术，以便社会有时间探索其可能性，并共同开发确保其在该领域进步时负责任使用的规范和保障措施。”

该模型符合 C2PA 标准，确保视频可识别为 AI 生成，并带有水印。上传人像在发布时受到限制，他们表示，但他们也表示，随着公司完善其深度伪造缓解措施，这些功能将会推出。他们表示，来自艺术家的早期反馈表明，这是一种他们重视的强大创意工具，但考虑到潜在的滥用，我们不会最初向所有用户提供。

在直播中，Sora 产品负责人 Rohan Sahay 宣布这是一个相当大的权衡，但表示：“显然，作为 OpenAI，我们背负着很大的目标。我们希望防止 Sora 上的非法活动，但我们也希望在此与创意表达之间取得平衡。我们知道这将是一个持续的挑战。我们可能不会在第一天就做到完美。我们开始时有点保守，因此如果我们的审核没有完全正确，请给我们反馈。实际上，一些用户确实遇到了这个问题，例如 Nick St. Pierre 未能生成一只吃鲑鱼的熊。

但让我们谈谈人们发现了什么。Marques Brownlee 是一位著名的产品评论员，最近对许多来自 AI 领域的产品进行了批评，尽管可以说这是 AI 硬件，他昨天发推文评论称：“传言是真的。Sora，OpenAI 的视频生成器今天向公众发布。我已经使用它大约一周了。

我在测试中学到了很多。视频中有很多乱码文本，这是 AI 生成视频的明显迹象。但切换镜头、移动文本滚动条、新闻风格的镜头，都是 Sora 自己决定的，而那些新闻主播看起来非常真实。尽管如此，这仍然是一个有优缺点的产品，其中一个缺点是物理仍然很难。

在没有所谓的对视频中物体的理解的情况下，该模型仍然容易出现幻觉，表现为不合逻辑的运动和缺乏物体的持久性。他随后分享了一些例子，视频中物体的物理效果并不完全正常，这一点我们稍后会再提。

Brownlee 继续说道：“它在风景方面表现得非常好。几乎任何重要地标的无人机镜头都可以作为库存镜头，或者非常接近于用于纪录片或低预算电影的建立镜头。事实证明，它在卡通风格或定格动画风格方面也能做得不错，因为运动和物理的不规则性显得更具风格。其他功能，如混合视频或将图像转换为视频，如果您知道自己在做什么，可以是有用的工具，但对我来说，最一致的发现是模型不知道在特定图像中哪个方向或速度是合理的。

因此，有时它做得对，有时它做得非常错。就明确的批评而言，确实是关于 Sora 尚未解决物理问题。Christopher Bryant 展示了一段鸟群飞行的视频，飞行方式并不自然，Mr. Bizarro 说：“鸟类测试，没有模型通过过。”

A16Z 的 Anjani Midha 写道：“对 Sora 团队实际发布表示大力赞赏。信息流中充满了关于模型不是世界模拟器的尴尬展示。但 OpenAI 通过新界面解锁的人类偏好数据是金矿。如果谷歌云、Azure、AWS、Adobe 等现在不更新他们的紧迫性优先级，他们就错过了重点。

世界模拟器或世界模型的概念是我们在上周的长篇阅读剧集中探讨的。这是一个很好的背景，可以回顾一下为什么一些人认为这将是帮助 AI 达到下一个水平的关键。Victor M. 写道：“Sora 的视频看起来令人印象深刻，但物理理解和一致性仍然没有到位。这个提示相当简单。一个类人机器人站在桌子旁，桌子上有红色、绿色和蓝色的立方体，执行一个将红色放在底部、蓝色放在顶部的立方体堆叠任务。

然后它展示了机器人有点在做这个，但并不完全。然而，并不是说物理总是出错。Edwin Arbus 展示了一段提示视频，视频中一只金毛猎犬在太平洋海滩上骑着温和的波浪，灵巧地平衡在冲浪板上。狗的舌头兴奋地伸出，眼睛专注于地平线。背景包括一片广阔的海洋，波涛起伏，晴朗的蓝天。那段视频看起来非常自然。物理效果与现实世界更接近。

您还会看到很多人将他们的 Sora 结果与其他模型进行比较，包括 Kling 和 Runway。Filmport.ai 的首席执行官 PJ Ace 说：“我在支付 200 美元后对 Sora 的评价？有时它会产生一些很棒的东西，但您可以在其他地方获得更好的结果。Kling、Minimax 和 Runway 在不久的将来没有什么好担心的。”他特别指出，Sora 在图像到视频的转换方面似乎遇到了更多麻烦，这也是 Marques Brownlee 指出的。

至于其他一切的状态，Pika Labs 在 10 月发布了他们的最新版本 1.5，以其爆炸物品、挤压物品和蛋糕化等顶级效果而闻名。它似乎目前旨在用于社交媒体剪辑，而不是完全专业的工具。Runway 在 10 月发布了 Gen 3 Alpha Turbo。当时的大新闻是他们与 Lionsgate 合作，因此可以推测该工作室至少认为 Runway 是工作室级别的，并且在专业环境中有用。

Luma Labs 在 11 月更新了 Dream Machine，该模型因其可访问性而受到关注。它在时尚、市场营销和电影制作方面有很多应用示例。最后，还有 Kling，这是一款中国模型，其最新版本于 9 月发布，对许多人来说令人震惊。因此，这就是我们目前的状况。距离发布不到 24 小时，只有少数人获得了访问权限，因此目前很难知道它的真实比较情况。