Sora深度：功能优势、发展现状、算力测算、相关影响及相关公司深度梳理_27页_4mb

Sora深度分析总结

核心内容

OpenAI于2024年2月16日发布首个视频生成模型Sora，该模型基于扩散模型技术，继承了DALL·E3的画质和遵循指令能力，能够根据文本指令生成长达1分钟的高清视频。Sora具备生成视频、编辑视频、扩展视频、根据图像生成动画等多功能，具备强大的语言理解和物理模拟能力，为AI视频生成领域带来重大突破。

主要观点

• 功能优势：

  • Sora支持多种输入形式（文本、图像、视频），具备视频生成、编辑、扩展、动画生成等能力。
  • 支持不同分辨率和宽高比的视频生成，无需对原始数据进行裁剪或标准化。
  • 生成视频具有高连贯性和对象持久性，支持多镜头视角和动态摄像头运动。
  • 模拟现实世界行为，如画家在画布上留下笔触、人物吃汉堡留下咬痕等。

• 局限性：

  • Sora目前仍存在对物理过程模拟的不足，如无法准确模拟玻璃破碎等现象。
  • 在某些交互场景中，如长时间视频生成，对象状态变化可能不一致。
  • 模型尚未对公众完全开放，仅限内测用户使用。

关键信息

• 技术路径：

  • 基于Patches视觉特征标记的Diffusion Transformer模型。
  • 通过视频压缩网络将原始视频压缩至潜在空间，并利用Transformer进行视频生成。

• 算法实现：

  • 使用DALL·E3的重标注技术生成详细描述的标题。
  • 借助GPT将用户提示扩展为更详细的描述，提高视频生成质量。
  • 在推理过程中，通过排列Patches实现灵活的视频生成和编辑。

• 算力需求：

  • 训练侧：Sora的训练算力需求远高于传统大语言模型，预计需大量H100显卡。
  • 推理侧：生成1分钟视频所需算力约为生成1次文字问答的1000倍以上，未来随着技术优化，算力成本有望降低。

文生视频大模型发展现状

• 2023年是文生视频模型的开启之年，市场涌现出数十个模型，但多数仍处于早期阶段，视频长度和质量有限。
• 2024年，各大公司加快研发，如Midjourney、谷歌、Runway等，部分模型已能生成更长的视频。
• 科技巨头尚未公开文生视频大模型产品，但已有大量相关论文和演示视频发布。
• 市场现有文生视频模型多数只能生成3-4秒的视频，而Sora的60秒生成能力显著领先。

代表性文生视频模型对比

Sora对传媒各细分赛道的影响

• 影视行业：

  • 降低影视制作门槛，提升内容创作效率。
  • 丰富影视作品的创造性及风格，加速内容迭代。
  • 带来新的IP价值放大和衍生内容生成机会。
  • 创作能力成为核心竞争力，IP和创意资源丰富的公司有望受益。

• 营销行业：

  • 提升广告视频制作效率，降低制作成本。
  • 提供创意灵感，增强广告吸引力。
  • 支持低成本、高效率的定制化视频生成，提升客户转化率和留存率。

• 游戏行业：

  • 可用于生成游戏动画和场景，提升游戏内容的丰富性和可玩性。
  • 降低游戏开发成本，提升内容创作效率。

相关公司

• 万兴科技：

  • 国内数字创意软件服务提供商，已推出天幕音视频大模型。
  • 提供视频、音频、图片、语言等多模态AI工具，支持AI创作、剪辑、分析等。
  • 2024年1月发布天幕大模型，具备多项AI功能，提升用户粘性和付费转化。

• 华策影视：

  • 影视行业领先企业，布局AIGC，设立专项基金和研究院。
  • 推出影视剧本智能创作系统，显著提升内容生产效率。
  • 通过多模态AI技术，将版权库转化为视频元素数据库。

• 易点天下：

  • 头部全球化智能营销服务商，服务跨境电商、游戏、娱乐等领域。
  • 发布KreadoAI平台，提供AI数字人、模特、创意资产等解决方案。
  • 支持多种通用大模型接入，提升广告主内容生成和投放效率。

参考研报

• 华西证券、华安证券、西部证券、广发证券、中信建投等机构均对Sora及其对算力网络、传媒行业的影响进行了深入分析，认为其将推动AI视频技术发展，并带来新的投资机会。

总结

Sora作为OpenAI发布的首个视频生成模型，具有强大的生成与编辑能力，为AI视频生成领域带来革命性变化。其在算力需求方面表现出较高的要求，但也为传媒行业的影视、营销、游戏等细分赛道带来新的机遇。尽管存在一定的局限性，但随着技术进步，Sora有望成为未来世界模拟器的重要组成部分。相关公司如万兴科技、华策影视、易点天下等，已开始布局并应用Sora相关技术，提升自身竞争力。