传媒行业点评报告：多模态模型再迎新突破，继续布局AI应用及算力.pdfVIP

传媒

行

业

研传媒多模态模型再迎新突破，继续布局AI应用及算力

究

2024年02月17日

——行业点评报告

投资评级：看好（维持）方光照（分析师）田鹏（分析师）

fangguangzhao@kysec.cntianpeng@kysec.cn

行业走势图证书编号：S0790520030004证书编号：S0790523090001

OpenAI发布首个文生视频模型Sora，可输出长达60秒的视频

传媒沪深3002月16日凌晨，OpenAI发布了首个文生视频模型Sora。Sora可以直接输出长达

60%

行48%60秒的视频，并且包含高度细致的背景、复杂的多角度镜头，以及富有情感的

业36%

点24%多个角色。目前官网上已经更新了48个视频demo，在这些demo中，Sora不仅

评12%能准确呈现细节，还能理解物体在物理世界中的存在，并生成具有丰富情感的角

0%

报-12%

告-24%色。该模型还可以根据提示、静止图像甚至填补现有视频中的缺失帧来生成视频。

-36%整体来看，Sora生成的视频噪音比较少，原始的训练数据比较“干净”，而且基

2023-022023-062023-10

数据来源：聚源于ChatGPT、DALL·E文生图技术能力，Sora视频生成技术更加高超。此外，

OpenAI表示，他们正在教AI理解和模拟运动中的物理世界，目标是训练模型来

相关研究报告帮助人们解决需要现实世界交互的问题。

谷歌发布Gemini1.5，多模态能力大幅增强

《VisionPro正式发货，继续布局游

2月16日，谷歌宣布推出Gemini1.5。谷歌现在推出的是用于早期测试的Gemini

戏板块和AI应用—行业周报》

1.5的第一个版本-Gemini1.5Pro。它是一种中型多模态模型，针对多种任务的扩

-2024.2.4

展进行了优化，其性能水平与谷歌迄今为止最大的模型1.0Ultra类似。谷歌增加

《DNF手游等32款进口游戏版号获

开批，继续布局游戏—行业点评报告》了1.5Pro的上下文窗口容量，该大模型现在可以在生产环境中运行多达100万

源-2024.2.2个token。这意味着1.5Pro可以一次性处理大量信息，包括1小时的视频、11

证《多重催化下，加码布局游戏板块和小时的音频、超过3万行代码或超过70万个单词的代码库。1.5Pro可以在给定

券

AI应用—行业周报》-2024.1.28提示内无缝分析、分类和总结大量内容。例如，当给出阿波罗11号登月任务的

证

券402页记录时，它可以推理整个文档中的对话、事件和细节。1.5Pro可以针对

研包括视频在内的不同模式执行高度复杂的理解和推理任务。例如，当给定一部

究

报