传媒：视频生成模型再迎突破.pdfVIP

2024年02月18日行业研究●证券研究报告

传媒行业快报

视频生成模型再迎突破

-A

投资评级领先大市维持

投资要点首选股票评级

事件：2月16日OpenAI发布文生视频模型Sora，其使用Transformer架

构，建立在DALL·E3和GPT模型之上，可以生成长达一分钟的有运动、多机

一年行业表现

位视频。相比业界水平，Sora将视频生成的时长一次性提升了15倍，直接迈

过了市面上所有短视频的时长要求。

视频生成模型范式的确定有望进一步推动多模态模型发展。模型层面：在文生

视频领域，目前模型思路有循环网络（RNN）、生成对抗网络（GAN）和扩

散模型（Diffusionmodels），Sora为一种扩散模型相较于GAN，扩散模型

的生成多样性和训练稳定性都要更好。生成表现：扩散模型在图片和视频生成

上有更高的天花板，GAN模型从原理上本质上是机器对人的模仿，而扩散模型

则更像是机器学会“成为一个人”。Sora基本框架：基于OpenAI大语言模型

思路，Sora采用Transformer架构（主流视频生成扩散模型较多采用U-Net

架构），同时开发视频压缩网络有效减小Transformer架构带来的计算量压资料来源：聚源

力。训练端：Sora文生视频模型，利用用DALL·E3的re-captioning功能，

给训练视频素材加上高质量文本描述。输入端：Sora并非基于用户输入提示升幅%1M3M12M

词直接生成，用户输入提示词后，GPT会先将用户输入的提示词进行精准扩

写，将扩写后的提示词交给Sora，生成较为精准视频。相对收益-12.24-15.86.67

绝对收益-8.04-21.49-9.92

模型多维度赋能视频制作或将影响行业生态。视频功能：1、模拟真实及虚拟

世界：能够模拟物理世界中的人、动物和环境的某些方面；可以生成摄像机动分析师倪爽

态运动的视频。随着摄像机的移动和旋转，人物和场景元素在3D空间中的移SAC执业证书编号：S0910523020003

动会保持一致。训练数据规模扩张或将成为开发物理、数字世界、元宇宙的高nishuang@

效模拟方式。2、视频连接功能：在两个输入视频之间逐步插值，并在主题、

相关报告

场景构成完全不同的视频之间创建无缝过渡。3、扩展生成视频：能向前或向

传媒：游戏AI大模型首次备案；进口游戏版

后多个维度扩展视频，（将同一生成的视频向不同视角延伸，视频开始都与其

号获批-华金证券-传媒-行业快报2024.2.3

他视频不同，但结尾保持一致）4、视频剪辑：在0拍摄的情况下，转换输入