【计算机】Sora实现文生视频跨越式突破，AIGC持续正反馈_16页_1mb

文生视频与大模型技术突破总结

核心内容

2024年2月15日，OpenAI发布文生视频模型Sora，谷歌推出Gemini 1.5 Pro，两者均代表了AI生成内容（AIGC）领域的重大进展。Sora能够根据简短提示生成长达60秒的高清视频，而Gemini 1.5 Pro则显著提升了模型的长上下文处理能力，达到100万token。

主要观点

• Sora模型：

  • 实现了文本到视频的长时生成能力，支持复杂场景与角色的生成。
  • 具备多镜头生成能力，保持角色与视觉风格一致性。
  • 拥有物理世界模拟能力，可模拟物体运动和互动。
  • 能够从图片生成视频，实现图像到动画的转换。
  • 在视频编辑方面，支持风格迁移与场景过渡。

• Gemini 1.5 Pro模型：

  • 采用MoE架构提升效率，支持长上下文处理。
  • 上下文窗口容量达到100万token，可处理大量信息。
  • 支持多模态理解和推理，适用于视频、图像、代码等。
  • 在代码处理和复杂信息分析方面表现突出。

关键信息

• 技术突破：

  • Sora通过扩散模型与Transformer结合，实现视频生成和编辑。
  • Gemini 1.5 Pro通过改进上下文窗口和MoE架构，提升模型性能和效率。

• 应用场景扩展：

  • Sora在视频生成、图像生成、视频编辑、场景过渡等方面具有广泛的应用潜力。
  • Gemini 1.5 Pro适用于代码分析、多模态内容处理、复杂推理任务。

• 行业影响：

  • AIGC技术正通过数据、算力、模型和应用的正反馈机制推动行业创新。
  • 短视频创作效率有望提升，视频平台发展加速。

投资建议

• 推荐关注领域：

  • 国产算力基础设施：海光信息、寒武纪-U、中科曙光、浪潮信息、紫光股份、锐捷网络等。
  • 视频应用：万兴科技、海康威视、大华股份等。
  • 网络安全：国投智能、启明星辰、电科网安等。
  • 游戏：巨人网络、昆仑万维等。
  • 图像应用：美图公司等。

• 投资评级：

  • 当前投资建议为“强于大市”。
  • 与上次建议一致，维持“强于大市”评级。

风险提示

• AI技术发展不及预期。
• 商业化进程缓慢。
• 法律政策监管风险。
• 行业竞争加剧。

技术细节

• 视频生成：Sora支持多种分辨率、纵横比和持续时间的视频生成。
• 语言理解：通过GPT将用户提示转换为详细字幕，提高视频生成质量。
• 物理模拟：Sora可以模拟物理世界中的动作和互动，如画家在画布上留下笔触、吃汉堡留下咬痕等。
• 多模态处理：Gemini 1.5 Pro能够处理文本、代码、图像、音频和视频等多模态数据。

模型架构

• Sora：

  • 采用扩散模型结合Transformer。
  • 使用时空包（patches）进行数据处理。
  • 支持视频压缩网络、图片生成、视频扩展、视频编辑等。

• Gemini 1.5 Pro：

  • 基于Transformer和MoE架构。
  • 上下文窗口容量达到100万token，显著优于前代产品。
  • 在多个测试中保持高性能，尤其在文本、视频、代码处理方面表现突出。

作者信息

• 分析师：姜青山、黄楷
• 执业证书编号：S0590523050001、S0590522090001
• 联系人：周砺灵

相关报告

• 《计算机：计算机迎10年估值底，中长期投资价值显现》（2024.02.08）
• 《计算机：重仓持股比例环比下降，AI个股持仓分化》（2024.02.03）