未推出先爆恐慌！OpenAI讓拍電影無需龐大劇組

推出ChatGPT震撼全球的OpenAI又有新突破！影片生成模型Sora，只需一段自然語言文本，就能將想法轉化為栩栩如生的短片。這會是人機協作的燈塔，還是影音產業的喪鐘？

文／傅莞淇

最近，社群平台議論紛紛：「超乎想像」「改變遊戲規則」，甚至出現「真的令人害怕」⋯⋯。不只如此，還有影業大亨暫停耗資八億美元的工作室擴建計畫，以及學者提出技術恐遭濫用、左右民主大選的警告。

是出現了什麼殺手級應用？答案是可以文字生成影片的AI模型Sora，它甚至還沒正式開放大眾使用。

2月中旬，因ChatGPT一戰成名的OpenAI，釋出由Sora生成的一系列短片，瞬間引爆輿論。之前，Runway、Pika等前輩，已將AI生成內容，從文字、圖像，拓展到影片，並具備一定程度的微調力。

但Sora更進一步，將影片生成戰役提升至前所未見的層級。先前亮相的模型，大多只能生成3∼4秒，至10多秒的影片；但Sora可據單次指令，生成長達60秒的短片。而畫面更細緻、仿真，人物動作也更流暢。簡單來說，Sora生成的影片更像從真實世界取景，人眼幾乎無法鑑別出是AI模型生成的內容。

這個能生成一分鐘短片的Sora，會如何衝擊影音產業，甚至是我們的未來？

AI讓娛樂產業別玩了？

Sora源自日文「天空」，有創造潛力無窮的含意。它能以文字指令、單張圖像或影片為基礎，生成複雜場景與其中的動態角色。OpenAI表示，結合大語言模型與擴散模型的Sora，「不僅理解使用者的指令內容，也理解這些事物在物理世界中存在的狀況。」

這或許是Sora生成內容如此真實的原因。現實世界的物體運動有延續性，人類自實際經驗學習到物理定律。例如，陽光能穿透玻璃，但不會穿過水泥牆壁。在池塘拍打水面，漣漪會持續往外推送、但逐漸變得微弱。Sora的神經網路，也從觀看非常大量的影片中，學習到現實世界的運作方式。

因此，它能仿真生成「穿過東京郊區的火車車窗上的倒影」，也能生成「海洋生物優游於沉入水中的紐約市區」這類虛構場景。

不難想像，影片創作者將受到何等心理衝擊。Sora預覽發布不滿一週，好萊塢知名製片及導演派瑞（Tyler Perry）在訪談中透露，已中止籌備四年的工作室擴張計畫。他指出，有這樣的AI生成力，搭建場景，甚至是出外景，可能都不再必要，這對娛樂產業的就業市場，將帶來廣泛影響。

派瑞對《好萊塢報導》（THR）表示，當他看著Sora生成的內容時，「立刻想到產業中每個會因此受影響的人⋯⋯，我想影響會遍及產業的每個角落。」他甚至進一步建議，應有某些保護娛樂產業的規範，「否則我看不出來我們有存活的可能。」

AI在影音產業中的應用，是2023年好萊塢勞資糾紛的核心議題之一。編劇及演員最終與製片方達成協議，限制AI使用範圍。長達數個月的罷工結束，被認為是工會的勝利典範，但仍有人擔心，創作者獲得的保護不足。

藝術家淪「AI作品優化師」？

同樣感到憂心的，是概念藝術家與動畫師。在Midjourney等圖像生成模型協助下，客戶可自行生成上百張草稿或完稿，再雇用專業藝術家做最後階段的人為編修。這大幅縮減了藝術家的工作時數及工作機會。

根據美國概念藝術協會與動畫協會在2023年底委託進行的一項普查，全美娛樂產業接受訪談的300位主管，認為未來三年將有20萬個工作受到AI衝擊。其中視覺特效與後製工作可能最受威脅，但音效工程師、配音員也會受到影響。超過九成受訪者認為，生成式AI在娛樂產業中的角色將日益吃重。

Sora尚未公布的其中一個原因，是OpenAI還在徵詢設計師、製片人等業界人士回饋，以了解Sora可以如何輔助、賦能數位內容製作工作。

樂觀者認為，Sora這類AI工具，讓影音內容創作權不再把持於少數擁有大筆資金的工作室手中，加速藝術創作的民主化。

這個想法絕非過分樂觀，想想美國導演西恩．貝克（Sean Baker），就曾使用iPhone 5S，拍出廣受好評的長片《夜晚還年輕》（Tangerine）。

而且，以目前能力有限的影片生成模型，就有一群充滿熱情與實驗精神的藝術家善加利用，以零元預算，將50段AI生成影片，拼接成一部完整長片《Our T2 Remake》。這戲仿《魔鬼終結者2》（Terminator 2: Judgment Day）的作品，每隔2∼3分鐘就會過渡到另一種影像風格，但敘事線仍保持一致。

首波造福線上內容創作者

從文字、圖片、語音、配樂到影片，這波生成式AI工具的一大受益者，是資源較有限的獨立網路內容生產者。無論是YouTuber、TikToker或Instagram創作者，都能以極低成本操作生成式AI工具，填補自己的技能缺口，並提升作品品質。

為線上創作者打造的學習平台Creator Now，2023年9月針對2000多名創作者的普查顯示，高達97％受訪者已在創作過程中使用AI。近六成創作者會與ChatGPT等AI機器人激盪創意靈感，44％受訪者肯定AI提升了生產力。

但影片生成模型絕不僅止於造福線上創作者。Sora展示影片公開後不久，北京大學與深圳AI公司兔展便聯合發起「Open-Sora」計畫，打算透過開源社群力量，複製出Sora模型。

兔展執行長董少靈直言，該計畫的目標，不是為了讓人人都能以低成本生成高品質影片。抖音上的娛樂短片「不是我們的所思所想」，他解釋，「我們希望深植中國產業，賦能中國產業升級。」

軟體及網站開發公司竑盛科技創辦人康程泰觀察，AI生成影片的商業性應用，在台灣尚屬萌芽階段，但社群平台上已相當盛行。從寫程式到做簡報，竑盛的工作流程也引入多種AI工具，「大家已非常習慣用AI工具做輔助。」

康程泰表示，目前，軟體與數位內容產業對這些AI生成力特別有感，但只要是涉及電腦作業的任務，實則都在影響範圍內。「以前『會』與『不會』是兩件事。未來，這兩者的差距會變得非常小。」康程泰指出，「當每個人都『會』，你要怎麼做出差異性？」

乍看下近乎完美的Sora內容，依然有不少缺陷與錯誤。例如，行駛在路上的車輛會突然變色，被牛腳踩到的瓷杯沒有破碎，手指過多的問題也沒有完全解決。仔細觀察，影片中人物的肢體動作依然有些奇怪，不像真人活動的樣態。

但許多人不會如此細心審視在網路上隨手滑到的影片，更不會費心檢查影片真實性。因此，就算有數位浮水印等標示機制，許多學者仍憂心假政見、假醜聞影片會輕易流竄，左右選舉，包括11月將登場的美國總統大選。

OpenAI技術長穆拉蒂（Mira Murati）承認，降低Sora遭濫用的風險，也是延遲發布模型的原因之一。目前團隊還在研擬限制生成的規範，並設法降低生成成本。預計2024年可對大眾釋出。

如果2023年是影片生成模型嶄露頭角的一年，2024年可能是競爭白熱化的一年。矽谷知名創投a16z在AI領域的投資伙伴摩爾（Justine Moore）盤點，2023年初，還沒有任何文字轉影片的模型存在。到年末時，已有超過20個公開產品。摩爾認為，這般進展顯示，我們正處於大規模轉型的早期階段。

理解及模擬真實世界能力

但訓練影片生成模型究竟有何意義？在OpenAI向世界公布Sora的文章中，最後一句話寫著：「Sora作為能理解並模擬真實世界的模型基礎，我們相信，這個能力是邁向通用人工智慧（AGI）的重要里程碑。」

Sora令人驚豔之處，在於它生成的內容十分仿真，因為訓練這個模型的目的，正是要模擬真實世界。當它理解世界如何運作，就能協助人類完成真實世界中的任務。例如，拿起一顆蘋果、收拾桌上的紙屑，或是將杯盤收回置物架裡。OpenAI與機器人公司Figure在3月發表的影片中，內載視覺語言模型的人型機器人Figure 01，看似已能即時與人類對話，完成上述任務。

當ChatGPT橫空出世，能流暢生成、編修文字內容時，編劇與文案作者感到威脅。接著，是插畫師、導演與配音員，以及迎接首個AI工程師Devin的軟體開發界，紛紛遭受AI衝擊。但早在2016年，南韓圍棋棋王李世乭已比絕大多數人更早親身體會AI威力。

在五戰四敗不敵AlphaGo後，李世乭於三年後宣布退休。他對媒體表示，引退的一大原因，是他了解無論多麼努力勝過其他棋士，依然不是世界最強，因為「有一個東西是無法被擊敗的」。

Sora可生成高度真實的影片，已經夠讓人震撼了。但繼續發展下去，未來能做的事，可望比現在多上許多。也許在不久的將來，各行各業的專業人士，都會有李世乭當年在圍棋賽局上的感受。 閱讀完整內容