关于sora的一些分析

吸取chatgpt大语言模型的成功经验，创造了对应 Token 的 “[bbsemoji160]Patch[bbsemoji160]” 概念用于训练 Sora 这个视频模型，继续采用了 Transformer 架构。 在训练端，利用自家 DALL·E 3 的 re-captioning 功能，给训练用的视频素材都加上了高质量文本描述。 在输入端，利用了GPT 的能力，在用户给 Sora 输入提示词的时候，先将用户输入的提示词进行精准的详尽扩写，让 Sora 遵循提示词来生成更精准的视频。 “OpenAI 自己先成为了一个巨人，然后再站在自己这个巨人的肩膀上，成为了一个新的巨人。而其他竞争对手，或许会因为文生文、文生图上的技术差，在未来被甩的更远。” 感觉张楠卸任抖音CEO，转向聚焦剪映这事，可能多少预知了一些消息~