重磅！南山本土团队发布“Open-Sora”计划

今年初

由OpenAI发布的

文生视频大模型Sora震惊了世界

仅需输入文字指令

便可生成长达一分钟

高清分辨率、画面精致的动态视频

Sora优异的性能表现让许多人感叹

▲Sora生成视频截图。图片来源：OpenAI官网

但同时，关于国内人工智能技术发展状况

也不可避免地被提及

国内能否研发出中文版的Sora？

3月12日

南山辖区的

北京大学深圳研究生院-兔展智能AIGC联合实验室

正式发布了“Open-Sora”计划

旨在复现一个“开源版Sora”

该项目由2014年成立的南山企业深圳兔展智能创始人、CEO董少灵与北京大学信息工程学院助理教授、博士生导师袁粒领衔发起，期望通过产业公司和科研机构的强强联手，以开源的方式对外传播中国团队的技术自信，号召全球社区一起做人类普惠的技术内容。

复现“开源版Sora”
全球用户都可用

不久前，马斯克对OpenAI提起了诉讼，指控OpenAI背离了创立初衷，从一个开源的非营利组织转变为闭源、追求商业利益的机构。截至目前，发布近一个月的Sora还尚未面向全部公众开放，在其官方网站上也只有一份非常简短的技术报告，并未涉及模型背后的原理——在董少灵看来，“OpenAI”正逐渐变成“CloseAI”。

“与之恰恰相反，我们Open-Sora Plan中的数据是完全开源的，全世界范围内的用户都可以直接拿去用，甚至利用它们来盈利。”作为技术模块的主要负责人，袁粒在发布现场向记者表示。据袁粒介绍，Open-Sora计划的核心技术框架包括视频编码器与解码器、Diffusion Transformer模型和条件注入模型三大模块，目前基于已经搭好的训练框架，能够支持动态输入、多尺度、多分辨率的训练，对于可变比例、可变时长的视频已经取得了较好的生成效果。

与“财大气粗”的OpenAI相比，该团队在条件和算力存在一定缺口的情况下选择了更高效、低功耗的大模型训练方式，例如用“2D+1D Diffusion Transformer”替代计算量更大的3D Diffusion Transformer，以及同步推进除了文本控制外的更多条件控制的视频生成训练。

该项目在GitHub上一经发布，就立马引起国际人工智能界相当一部分的关注。发布一周内就有超5000名技术开发人员为该项目标星，融合了30余次开源创作者的拉取请求（Pull Request），获得14万余次访问，代码被克隆超800次，来自美国、英国、加拿大、德国、澳大利亚、迪拜、沙特阿拉伯、伊朗等多个国家的技术人员参与其中，积极贡献。

在袁粒看来，“Open-Sora”作为一个开源的项目，其优势在于能够集结全世界技术人员的力量，让大家在自己擅长的领域发挥专业优势，同时也能够获得算力和数据方面的资源支持。目前，该计划“初步验证当前框架有效性”的第一阶段目标已完成，第二阶段团队希望在有效框架基础上训练出能够生成20秒以上720p清晰度视频的模型，同时将“生成更加逼近Sora时长和效果的视频”作为第三阶段的拓展目标。

尽管目前由于较大的算力缺口和数据要求，能够实现拓展目标的难度较大，但董少灵依然表示：“在技术方面中国并不比Sora弱，Sora能做的我们也能做，大家要树立这样的自信。”

不止步于娱乐视频生产
AI技术应赋能产业

Open-Sora背后的底层模型，是兔展智能在去年推出的基于视觉为核心的原创多模态大模型“兔灵”，这是一个视觉占七成、语言占三成的全新混合体。同是作为视觉大模型，目前外界对Sora的想象止步于娱乐向视频的生产，但兔展智能对于Open-Sora的展望却远不止于此，对董少灵来说，将Open-Sora背后的底层模型打造成深植于产业、赋能产业发展的中国本土的视觉大模型，让产业的供给与用户的需求更精准的匹配，才是更有价值的事情。

在董少灵的介绍里，“兔灵”是一个聚焦于设计领域的视觉大模型，能够根植于工业设计、建筑设计、室内设计、服装设计等多个设计类细分行业，在供给大于需求的时代让客户的个性化需求更加精准，同时节约设计成本、打通产业链，实现真正的“人工智能+”赋能行业。

发布会现场，董少灵对目前大模型已经落地的项目进行了展示。其中在建筑设计方面，“兔灵”能够通过文本描述引导生成三维建筑模型，自由调整建筑视角，并结合AI局部重绘的能力补全设计效果图，这样一来实现方案设计及效果图制作提效97%，成本节约达14.6%。

“我们想做的绝不是‘下一代的抖音’，而是希望能将AI真正应用到行业中，更加精准地匹配产业链中的供给与需求。”董少灵向记者表示。在他的展望中，随着Open-Sora计划的不断发展，“兔灵”大模型也将不断获得训练，未来，不具备设计专业技能的普通人也能够设计出个性化的物品，随之而来的则是建筑、服装、材料等各个行业产能的提高与产业链的完善。

本次Open-Sora开源计划坚持“人类级使命”“奋斗者为本”“开放式创新”“真问题驱动”四大原则，共同探索产学研协同创新发展的新路径。未来，兔展智能与北京大学深圳研究生院将在推动视觉大模型更好赋能中国产业发展方面携手并进，为世界带来更多中国声音。

这就是南山

科技强区、创新高地

为南山本土团队点赞！

此外，Sora技术引领科技潮流

未来已来，你准备好了吗？

来源 |  蛇口消息报 综合深圳商报

读特新闻 SNG大湾区

编辑 | 喻梦婷 责编 | 杨泽楠

审核 | 卢东勃 王婷婷

转载请注明以上信息

本条微信部分图片或来自于网络

如侵犯到您的权益，请及时联系我们删除