Sora2的公布将会带来的可预期变革-PAseer

【PAseer个人观点，仅供参考交流】


背景：
StableDiffusion模型步入公众视野始于2022年底到2023年初的一段时间，由于GPT3.5实用性产生质变，进而逐渐传播和被广泛使用。2023年中到2024年，各种在线生成平台陆续成立，许多GitHub项目也正在逐渐被使用，调用，落地成项目，直到当前。SunoAI为代表的音乐科技，DeepSeek和GPT为代表的语言模型，AlphaFold为代表的生物科技也在逐渐适配更先进的架构，但并非是本观点的衍生放下不表。
视频模型的起始是基于图片生成的，在SD1.5开源【商业上的纠纷官司问题不做表述】后，大量的图片被制作和传播，人们逐渐了解或者技术人员已经很理解其生成的基本原理，是在向量场下的逆预测模型。随后，Inpainting模型的出现，其算法的基础逻辑让视频模型的出现产生了可能。这种基础逻辑（或函数）可以被描述为基于当前图片的瞬时预测逻辑（或函数）。人眼的残留效应：即因视网膜神经递质代谢的最小阈值是24分之一秒，故而若在一秒钟内产生24帧图像，则人的视觉中枢（大多数人）会认为当前的动态是连贯的。导致我们可以合理推理这样一个结论，即让SD1.5连续生成基于Inpainting的合理预测逻辑的24帧图像在一秒内连续播放，即可在人类视觉中表现出完整性，也就产生了动画或者说视频。

于是，Deforms的出现便是理所当然的了，它允许人们基于上述方式生成视频，但操作对计算机新手来说太过复杂。将这个过程简化后，Animatediff“披着”《猜拳王子》的战斗披风，携手《瞬息全宇宙》热度登上了2023年底网络AI视频的王座。虽然现在人们更多的愿意称呼它为“渲染器”而非真正意义上的视频模型，但无疑Animatediff的流行给了AI视频模型一针强力的定心剂。
真正的视频模型，SORA，将【AI真的可以生成视频】变成了现实，让人们不再虚无缥缈的猜想和揣测，而是能够真正使用到。SORA的技术报告公布后，更多的人关注的一点大量的算力堆砌是解决之道【放下AI竞赛的舆论战和国家博弈不表】，但我们不妨更进一步去观瞧。视频模型的逻辑在SORA时代与StableDiffusion并无本质差别，只是训练元数据变成了更耗费算力的视频。对于帧与帧的预测，动态运动中的骨骼和物理逻辑，其实并未有良好的解决方案。虽然当前的Transformer架构和MMOE架构能够在一定程度上通过监管模型或自检测方式协助修正和改进。但这一难点，在2025年的今天，依旧并且将长期成为科技工作者重要的攻克方向和亟待解决的难题。

SORA2的解决方案
2025年是AI的春天，很多方案，巧思与创业者们纷纷入场。伴随而来的是各个巧思落与实践后得到的强力模型成果。更高清，更全面，更流畅的模型如雨后春笋，人们也是应接不暇。但总体来说，使用AI图像方案的使用者们，绝大多数聚集于文化产业发展和商业设计两个方向。模型更迭的方向也是着重这两种方向，并在可能的范围内提供公开和开源的项目【这一点也按下不表】。但巧思的代价，如同独立游戏，便是无法全面，在某一个点上突出有特色就能够“得到成仙”
的时间越来越少了。更全面的服务，更便捷的全能，将会是未来的付费使用者们追求的结果。
之所以说“越来越少”而不是“已经结束”，是因为SORA2在这方面的尝试仅表现出了“可行性”而非“完美”。将AI放置在短视频时代，并尽可能和短视频内容和运行方式进行接轨，并且有能力进行接轨，客观上来看是一种超然的思考方式。Wan Animate其实就是在这方面进行了尝试，但生成的逻辑【指官方默认逻辑】并没有很好的匹配上模型的能力，确实是一件很可惜的事情。不然近日SORA2的热度本应归属于Wan Animate或者其2.5系列。
社交，是解决方案。IOS+个人一致性，确实是一个精彩的选择。让社交和AI进行接轨，这一点在2023年的美某秀秀AI修图，以及2023到现在的某音，或者某信上常弹出来的AI换脸等小程序本质上并没有任何差别。但【不全面的半付费服务】【不便捷的不全能】成为其流通和火热的严重障碍。SORA2的发出是好事，能够让决策层（没时间看AI实际现场，只能看AI汇报PPT）下定决心发布命令，让其社交软件和所谓更高端的视频模型SORA接轨。这样，才能够刺激并推动国内巨头向前移动，来完善付费使用者们的良好生态。

让AI生成的结果在实拍的社交视频中占据一席之地，掀起的这场变革也许会产生潜移默化的重大影响。

未来，将会有更多的模型登场，但在2025年的年底，【人工智能+社交】将会成为一股潮流，一种视频习惯的变革。