3月第四周AI资讯

今天为大家总结一下本周重要的人工智能新闻：

Sora模型新消息

近期Factorial Funds发布了一篇研究文章：Factorial Funds | Under The Hood: How OpenAI’s Sora Model Works，详细分析了Sora模型的训练成本。文章表明，Sora模型的训练需要大量计算资源，大概需要1万个NVIDIA H100图形处理器，并连续运行一个月的时间。推理成本方面，每张NVIDIA H100显卡每小时能生成5分钟的视频。由于成本过高，Sora暂不面向普通用户开放，目前仅和电影工作室或者设计公司开展合作。随着AI视频生成的广泛应用，将会需要大量的算力支持。本篇文章还详细介绍了Sora的原理，感兴趣的同学可以看一下。

2. FreePik图形生成

登录到Picasso，左上角可以选择不同的功能。切换到Text to Image选项，高级账号可以使用FreePik提供的数十种预设风格。例如输入一段提示词，我这里输入的是钢铁侠，下方就会出现无限张类似的图像。

保持提示词不变，切换到Comic风格，下方就会实时生成动漫风格的图像。

打开其中一张喜欢的图像，即可保存高清文件到本地，非常方便。我把图像放大，大家可以看一下增强后的效果。点击图像下方的Reimagine选项，还可以在这张图像的基础上生成类似的内容。

左侧可以选择不同的风格，右侧会输出对应的结果。Enhance功能则可以放大图像，提升分辨率到2K，大家可以对比一下强化前后的效果。

调整不同的Imagination值，还可以在原图的基础上生成不同风格的内容。

3. Domo新功能

例如使用一段舞蹈类短视频，并替换视频中的人物，大家可以看一下合成后的效果。

Domo能够生成更为清晰高质量的视频，人物动作也非常流畅。此外，Domo还新增了很多新模型，可以完成视频风格转换，大家可以尝试。

4. Streaming Text-to-Video

这是近期发布的视频生成工具，可以根据文字提示生成2分钟的视频。Streaming TRV采用自回归的方法，逐帧生成视频，视频中的每个画面都基于之前的内容。最长支持2分钟1200帧的动画生成，Streaming TRV保证了视频生成的一致性，最高支持720*720分辨率的画面输出。目前该项目的代码还没有发布:GitHub – Picsart-AI-Research/StreamingT2V: StreamingT2V: Consistent, Dynamic, and Extendable Long Video Generation from Text，感兴趣的同学可以关注。

5. AnyVideoToVideo

此外，我们还可以将原视频替换为不同风格的动画，不过AnyVideoToVideo仅支持1到2秒钟左右的参考视频，大家可以尝试。

6. LLLM Coliseum

这是一个非常有趣的项目，可以通过街头霸王3游戏评估LLLM对环境的理解能力。每个语言模型会控制一个游戏角色，根据当前的场景判断下一步的招式。通过多组测试，GPT-3.5 Turbo模型获得了最高分，Mistral Large模型则输掉了最多的比赛。