Sora5 期 · 17 段
多期讨论其技术路径、物理规则理解局限及对行业冲击,创业公司机会与数据优势之争成焦点。
- 00:04:42Sora用机械方式理解物理规则
- 03:19多模态有较长的发展脉络,从 GAN 到 Diffusion Model 再到如今的 Sora。
- 06:35Sora 的冲击:恐惧无益,视频生成尚未完全解决,世界模型仍有探索空间。
- 09:09Sora 带来了挑战与冲击,创业公司的机会。
- 10:51面对 Sora,大厂的数据优势是否仍存在?
- 08:23Sora 带来了哪些好奇心和可能性?
- 08:25Sora背后的人:Tim和Bill是伯克利师兄弟,Bill在Meta是谢赛宁的实习生,通用人工智能行业有很多渊源和师承
- 23:45采样了很多人的观点以后,关于如何实现Sora,我们目前了解到的信息(模型规模/数据/实现路径)
- 28:54资金规模、算力规模等绝对数量级都不是遥不可及,所有头部大模型公司和大厂都能做,但1年赶上Sora也过于乐观
- 34:37Sora发布对当前大模型战局的影响(“把战争推到一个新的高度”)
- 01:34:53对于Sora至今不了解但是很想了解的地方
- 68:05以上是对杨植麟的第一次访谈,接下来是过完年后的第二次。这次我们重点聊了OpenAI重磅发布Sora的技术观点和对2024年的全球大模型产业预测 68:24 S
- 69:17Sora解决掉的技术问题:能在一个比较长的时间窗口保持生成的一致性
- 69:40Sora对于全球产业格局意义是什么?2024年大模型会有哪些新叙事?
- 73:04解读OpenAI关于Sora报告:《Video generation models as world simulators》
- 77:45Sora是视频生成的GPT-3.5时刻
- 78:37为什么不同模态放在同一个模型里那么难?Sora + GPT会出现什么?