新闻中心

在魔法世界里，记忆高深的魔法师，比如邓布利多，可以用魔杖从太阳穴拉出一根绵长的银丝，再置于石盆中，化成可以跳进去沉浸式体验的「记忆」。第一次看这个情节，就觉得如果大脑里想到的东西，可以这样方便地有选择性地还原出来，呈现给其他人，一定是一件非常有趣的事。当 OpenAI 拿出 Sora 模型，好像这件事已经要实现了。

Sora 是发布 ChatGPT 的公司 OpenAI 最新发布的一个「文字生成视频」的模型，与以往其他的 AI 视频模型不同，Sora 可以根据用户提供的文字描述生成最长达 1 分钟的高清视频，也就是你想到了什么，告诉它，它就帮你「实现」。Sora 生成的可以是常规的单个画面视频，也可以是有切分的多视角/多画面视频，并且画面非常流畅稳定，人物/主体对象没有畸变，还包含复杂的镜头调度。

OpenAI 官网上发布的 Sora 生成视频，提示词是：「在印度孟买的一场冬季风暴期间，一只可爱的袋鼠穿着蓝色牛仔裤和白色 T 恤在悠闲地漫步。」

除了基本的「文生视频」功能，Sora 还能够生成高清图像（2048 x 2048）、使静止的图片动起来（图片转视频）、向前或向后延长视频（AI 补全）、对已有的视频做出调整/改变，以及将两个视频巧妙地连接起来（在视频之间形成顺滑合理的过渡）等。

上传一张图片，然后加上文字描述，Sora 就可以根据你的描述将图片转化成视频。

使用方面，目前 OpenAI 没有公布向公众开放 Sora 的计划，应该是要进行进一步的评估和优化。同时，OpenAI 也筛选了部分视觉艺术家、设计师和电影工作者来收集使用反馈，目前 Twitter 上已经有非常多受邀人士发布了自己的作品。

Sora 团队成员 Bill Peebles 发布的作品，给 Sora 的提示词是：「一座巨大的大教堂里全是猫。放眼望去，到处都是猫。一个男人走进大教堂，向坐在王座上的巨型猫王鞠躬。」在这 20 秒的视频里，这个男人说了一段话，猫王给出了情绪反应，而且最后还走到了这个男人身边，就像一个完整的电影片段。

尽管 Sora 最大的特点是「模仿现实」，能够生成非常「真实」的视频画面，但目前 Sora 模型也存在明显的弱点，比如它可能难以准确模拟复杂场景的物理原理，并且可能无法理解因果关系，比如，一个人咬了一口饼干，但之后视频里的饼干却没有咬痕。它还可能混淆空间细节，例如混淆左右，并且可能难以精确描述随着时间推移发生的事件，例如遵循特定的相机轨迹。

不过，Sora 目前出现的错误其实大部分人并不能马上看出来，已经达到了所谓「混淆视听」的能力。例如在官方放出的 demo 当中，有一个猴子下棋的视频（见下图），看起来栩栩如生，但是它的棋盘和棋子其实是不完全符合现实中的棋盘和棋子的模样/规则的。这不得不让人有些担心，就像 ChatGPT 回答问题的时候经常「胡编乱造」一样，如果 Sora 开放给公众使用，出现一系列真实程度不明的视频，可能也很容易误导受众，这时候就体现出「Facebook 标记 AI 生成内容」的重要性。

魔法世界里不仅有能自己写字的笔，还有能跟记忆对话的「魔法日记」，它属于小时候的伏地魔——汤姆 · 里德尔。当罗恩的妹妹金妮开始在日记上写自己的心情的时候，汤姆就在纸面上「复活」了。

如果这个写日记的人是你自己，而你可以跟自己的记忆对话，这种感觉是不是也很妙？

OpenAI 称本周将对部分用户开放 ChatGPT 的「记忆」功能，但没有透露更大规模应用的时间表。使用此功能的用户可以自主选择是否让聊天机器人「记得」他们在对话当中透露的信息，比如家里有几个人、喜欢旅行、写 Summary 需要特定格式等……或者也可以直接告诉 ChatGPT 希望它「记得」某些信息，或者「忘记」某些信息。这样用户就不需要每开一次新的对话窗口就重复一遍信息了，能够节省很多时间，同时也对自己的信息有直接的控制权。

OpenAI 举了一些例子来说明「记忆」功能的实用性，比如，如果你告诉 ChatGPT 你拥有一家咖啡店，那么下次当你向 ChatGPT 询问有没有什么好的社媒点子来庆祝一个新店开张的时候，它就会知道也许是你提过的这家咖啡店开张了。又比如，如果你说过家里有一个婴儿非常喜欢水母，那么下次当你问它能不能帮忙生成一张给宝宝的生日贺卡时，它就会记得在贺卡上放一些水母元素。

其实当前 ChatGPT 在去年 7 月份已经发布过一个叫「Customize ChatGPT」的功能，允许 Plus 版本的用户「自定义」他们的 ChatGPT，让聊天机器人记得一些基本信息，比如对用户的称呼、用户在什么地点、用户的工作内容和爱好、希望 ChatGPT 答复的语气和长度等，不过这都是用户主动输入并且可以随时修改的信息。比如当我输入了「请叫我 Stella」以及「我有一只柯基叫椰子」这些信息之后，ChatGPT 就会在对话中使用这些信息，当我提到「我的狗」，它就「知道」是「椰子」（见下图）。OpenAI 表示这个功能在「记忆」功能开放之后也将继续发挥作用。

此外，GPT 商店中的个性化 GPT 也将享有「记忆」功能，这也将带来许多便利，比如，如果你在用一个推荐书籍或者电影的 GPT，那么 GPT 就会记得你的喜好，以及你跟它说过你曾经看过什么书或者影片，让推荐更精准。

不过，坏处当然是很多用户会担心的隐私问题，对此，OpenAI 表示，这个功能用户是可以自主决定开关的，并且他们也可以直接要求机器人「抹去」某次对话的内容。功能开启之后，用户也可以使用「临时对话」模式，这个功能不会调用「记忆」，也不会创建「记忆」。

AI犯错的「麻瓜时刻」——生成图像时的错误。

不知道你有没有发现，ChatGPT 有一些总是无法办到的事情，比如接下来要说的这三件：它无法生成「左手写字」的图像，无法生成「任意时间」的钟表，也无法生成「两只眼睛在同一边」的人。

当尝试让它生成左手写字/吃饭/打篮球的图像时，它总是假装它生成的是左手，但其实图像里永远还是在用右手。

更有趣的是，当让 GPT 生成一张小朋友正在辨认自己的左右手的图片，并且要求它在图上标注左右时，它生成的图像中左和右指向的是同一个方向。

第二件事，当让它生成圆盘时钟时，无论输入什么时间，它生成的永远是十点十分。据说这是因为大部分的时钟广告当中展示的「时间」都是十点十分，因为这样时针和分针会形成一个有趣的「V」字形状，视觉上更平衡和愉悦；另外，钟表的 logo 一般都会在「12」下面，十点十分的时候 logo 正好在正中间，能得到最好的展示。也许是 GPT 过多地「学习」了这些钟表的图片，所以默认钟表时间都是十点十分？

最后，ChatGPT 无法生成眼睛长在同一边的人，也无法生成嘴巴长在额头上的人，以此类推。这似乎比较好理解，毕竟现实中也没有这样的人，影视作品中也很少，AI 没有数据可以借鉴，也无法理解。