这是小新智媒的第260篇文章
2月16日，在毫无预热的情况下，OpenAI发布了文本视频生成模型Sora，以划时代的产品效果，迅速成为了全球热点。国内科技界面对Sora，震惊之余浓浓的焦虑感也随之蔓延，媒体圈当然也在其中，传媒行业诸多高层和专家均对Sora表达了重视和关注。如果说去年的ChatGPT让报刊网站等文字立身的传媒压力山大，如今的Sora更让电视台、视频平台瑟瑟发抖。
01
文生视频实际已经发展了若干年，并非Sora首创，Sora的出圈，只是因为效果太好，将这一领域从前沿推向了前台。Sora诞生前，较主流的模型是Gen-2，Pika1.0，Stable Video Diffusion，以及VideoPoet。
Stability AI推出的Stable Video Diffusion，脱胎于老牌AI文生图模型Stable Diffusion，是出现最早，也是当前唯一开源的主流文生视频项目。国内近年来出现的AI生成视频，大都是基于开源的Stable Diffusion模型。如早在2022年国庆，人民日报就使用此模型，制作推出了《我的祖国》MV，圈内外都引发了一定的关注。Stable Diffusion门槛最低，智能程度相对一般，但对AI生成视频的普及却是居功至伟。
2023年上半年，和Stability AI有千丝万缕联系的AI视频公司Runway先后推出了文图生成视频的Gen-1和Gen-2模型，智能性上进步较大，具备了“智能笔刷”等有趣的功能，因风头完全被同期学霸ChatGPT掩盖，关注度始终不高。
11月，两位华裔少女创办的AI视频模型Pika横空出世，综合效果对比Gen系列更胜一筹，出生成长在杭州的创始人郭文景，因头顶“天才富二代少女”的名号，在国内引发了一波不小的热度，产品本身仍未火出圈。
直到Sora出现，60秒的时长对比竞品普遍的3-4秒，人物和背景同时变化对比竞品的“二动一”，质感和真实性的大幅提升，使得其实现了对其他产品近乎碾压的效果，也让文生视频这一概念持续刷屏，妇孺皆知。
遗憾的是，国内虽经历了“千模大战”，但大模型多以文图为主，目前虽也有新壹科技发布的新壹视频大模型等产品，字节也在研发其Boximator模型，总体来说竞争力十分有限，与国外产品的确存在较大的代差。
在使用方式上，Gen和Pika都未开源，无法像Stable Video Diffusion一样部署在本地，仅能在discord等网站在线付费使用。而Sora未正式对公众开放，目前仅OPENAI自身和少部分受邀用户可以使用，吊足了大众的胃口，其生成的视频奇货可居，在各路社交平台发布一个火爆一个。
02
文本视频模型的三大技术路线
Sora的创新和潜力
近年来的AI能力大爆发，离不开两种模型的发展，分别是Transformer自回归模型和Diffusion扩散模型。其中Transformer适用于大语言模型，由谷歌最早提出和建立，却最终被OpenAI发扬光大，造就了ChatGPT的辉煌。Diffusion适用于图片处理领域，Stable Diffusion、DALLE-3、文心一格等文生图产品均是基于这一模型。
03
文生视频模型为媒体带来的机遇和挑战
暂且不论Sora是否具备“模拟世界”的更高层次能力，其在视频生产方面取得的巨大进步是毫无疑义的，Sora这一工具，保底也将能较大地改变视频制作的产业格局，对影视、传媒、广告等行业带来一定的影响。
媒体内容生产方式的改进
Sora为代表的文生视频模型，对视频拍摄和动画制作都是降维打击，既无需素材、建模，也无需灯光、摄影、剪辑，即可产出高质量的视频，将极大提升视频内容的生产效率，降低制作成本。通过自动化生成视频内容，个人和小型媒体机构能够以更低的成本生产高质量的视频，这对大型媒体机构来说，既是原有护城河消失的冲击，也是拥抱新技术降本增效的机遇。
媒体内容进一步丰富多样
文生视频模型可以根据任意的文本输入，生成各种类型的视频内容，如新闻、教育、娱乐、广告等，这将大大增加媒体内容的丰富和多样化，满足不同用户的需求和喜好。还可根据用户的反馈，实时地调整视频的内容和形式，提高用户的参与度和满意度。此外，强大的数据和智能支持，文生视频模型还可以打破语言和文化的壁垒，生成适合不同地区和群体的视频内容，助力媒体的国际传播。
创意与信息采集的角色更加重要
对视频制作而言，以往的岗位，可以分为创意和实现创意两种，今后在视频大模型的冲击下，后者的规模将受到较大影响甚至消失，前者的含金量将水涨船高。对新闻采编而言，信息采集和编辑制作是作品的两大组成部分，在语言和视频大模型的双重夹击下，未来编辑制作环节将被进一步弱化，采集环节的重要性更加凸显。作为媒体从业者，应及时洞察技术在媒体产生的新趋势，一方面积极运用新技术提升新闻制作的效率和质量，另一方面加强创意策划能力，提高对新闻线索的敏感度和获取能力，创造高质量新闻内容，保持自身竞争力。
内容安全和真实性的挑战
由于文生视频模型可以轻易地复制和重现现实世界中的图像和场景，没有妥善的监管和审核机制，可能会导致生成的内容违反相关法律法规或是制造不适宜的内容。其次，当模型可以轻松创造出栩栩如生的虚假内容时，区分真实与虚构变得更加困难。近日，用真实拍摄的视频冒充Sora出品的“反向创作”层出不穷，甚至成为流行玩法，网友也承认，若离开OpenAI的官方水印，无力分辨视频真假。随着Sora们在媒体行业的应用越来越广泛，确保生成内容的安全和真实性是一个复杂但必须解决的问题。这不仅涉及到鉴别技术的进步，也涉及到法律、道德和媒体自身的自律。
媒体当前仍需冷静
面对Sora划时代的视觉冲击刺激，媒体本身的焦虑情绪也是责任的体现，但大干快上的追随变革，希望迅速有成果落地并不现实。当前Sora并未对公众开放，其实用性和未来潜力暂不可知，需耐心等待后续进展。在Sora开放后，参考ChatGPT的例子，因非开源和客观原因限制，在国内较难实现大规模应用，更适合小范围探索，并及时吸取在国外落地的有益经验，做好客观条件成熟后的行业变革准备。
而对国产视频生成大模型，一方面既要正视当前存在的差距，摒弃急功近利的思想，再对其多一点耐心。另一方面应坚定自信，人工智能并非造神的玄学，OpenAI的抢占先机也并不意味着后来者再无机会。在原理和路线都较为清晰的前提下，国产AI的进展，依旧充满可能性。
