火遍设计圈的Sora，到底强在哪儿？

最近OpenAI 发布了新的文生视频大模型——Sora，OpenAI更是称其为“世界模拟器”。 Sora可以根据用户的文本提示生成最长60秒的视频，视频可以深度模拟真实物理世界，能生成具有多个角色、包含特定运动的复杂场景，能理解用户在提示中提出的要求，还了解这些物体在物理世界中的存在方式。 先来看两个视频:

[video width="1280" height="720" mp4="https://img.uied.cn/wp-content/uploads/2024/02/AQ1kBK-20240216.mp4"][/video]

Prompt: A stylish woman walks down a Tokyo street filled with warm glowing neon and animated city signage. She wears a black leather jacket, a long red dress, and black boots, and carries a black purse. She wears sunglasses and red lipstick. She walks confidently and casually. The street is damp and reflective, creating a mirror effect of the colorful lights. Many pedestrians walk about.

[video width="1920" height="1080" mp4="https://img.uied.cn/wp-content/uploads/2024/02/osNjZ1-20240218.mp4"][/video]

Prompt: A litter of golden retriever puppies playing in the snow. Their heads pop out of the snow, covered in.

初看只是觉得视觉效果很惊艳，生成的画面可以很好的展现场景中的光影关系、各个物体间的物理遮挡、碰撞关系。 但转念一想，这样的效果和以往的文生视频有什么不同呐？它到底颠覆在哪儿呐？ 01 学习更深入 以往的视频生成，还是基于二维图像生成的，而Sora则是基于UE5（游戏引擎）来训练数据，它知道众多物体在物理世界的存在方式和运动规律，模拟合成大量虚拟数据。 传统的方式更像临摹一张平面作品。 而Sore则是基于3D结构+材质贴图+物理规律（光影关系、运动规律等）去学习和创作。 Sore已经不仅仅停留在表层，而是将所看到的二维世界进一步拆解，试图学习更深层次的逻辑，这也是Sore最颠覆的一点。它让我们看到了AI从真实世界最表层向内核的进一步探索和可能性！ 02 未来畅想 利用同样的学习逻辑，未来很有可能涌现更多现象级的大模型。 比如UI层面，不是基础的图像理解，可以更深入拆解为 形、色、字、构、质5个维度去分别学习： 形状：圆角大 -> 小、面 -> 线面 -> 线； 配色：基于色相、明度、饱和度，来模拟同类配色风格； 字体：字重、字体、行间距、字间距从 大 -> 小； 结构：间距留白 大 -> 小； 质感：扁平->轻3D->写实； 基于不同的参数，都能组合出不同的视觉语言和设计风格。 如果说，基于之前的机器学习逻辑UI仍然无法被替代的话，Sore的出现无疑给了另一种可能性。 我们拭目以待。

---

欢迎添加阿吉私人微信 围观最新 读书笔记&设计观点

-END-

---