登录注册
【开源传媒互联网|点评】多模态模型再迎新突破,继续布局AI应用及算力
观风听雨
全梭哈的半棵韭菜
2024-02-18 20:08:47

本报告摘自:《开源证券_行业点评报告(传媒):多模态模型再迎新突破,继续布局AI应用及算力_传媒互联网团队_20240217》

研报首发时间:2024年2月17日


 核心观点 ·


OpenAI发布首个文生视频模型Sora,可输出长达60秒的视频
2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。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,目标是训练模型来帮助人们解决需要现实世界交互的问题

谷歌发布Gemini 1.5,多模态能力大幅增强

2月16日,谷歌宣布推出 Gemini 1.5。谷歌现在推出的是用于早期测试的Gemini 1.5的第一个版本-Gemini 1.5 Pro。它是一种中型多模态模型,针对多种任务的扩展进行了优化,其性能水平与谷歌迄今为止最大的模型1.0Ultra类似。谷歌增加了1.5 Pro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100万个token。这意味着1.5 Pro可以一次性处理大量信息,包括1小时的视频、11小时的音频、超过3万行代码或超过70万个单词的代码库。1.5 Pro 可以在给定提示内无缝分析、分类和总结大量内容。例如,当给出阿波罗11号登月任务的 402页记录时,它可以推理整个文档中的对话、事件和细节。1.5 Pro 可以针对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44分钟的巴斯特・基顿无声电影时,该模型可以准确分析各种情节点和事件,甚至推理出电影中容易被忽略的小细节。Gemini 1.5 Pro在扩大上下文窗口后,依然保持了高水平的性能

支持AI视频生成的多模态模型不断突破,继续布局AI应用及算力

当前AI技术已迅速越过文生文和Chatbot阶段,大举进入视频生成领域。从Pika、Gemini 1.0到Sora和Gemini 1.5,支持AI视频生成的AI多模态模型不断突破,特别是Sora能够理解和模拟现实世界的模型基础,有望成为实现AGI的重要突破节点。AI视频生成等多模态模型有望在影视、动画、游戏、音乐等IP开发中发挥更大作用,继续推动IP开发降本增效,带来增量变现空间,并拉动算力需求。建议布局AI应用及算力方向:(1)AI+影视/动画IP重点推荐芒果超媒、阅文集团、奥飞娱乐,受益标的包括上海电影、中文在线、华策影视、捷成股份等。(2)AI+游戏重点推荐盛天网络、恺英网络、神州泰岳、姚记科技、腾讯控股、网易-S、完美世界、吉比特、心动公司、创梦天地,受益标的包括星辉娱乐、掌趣科技、汤姆猫、宝通科技、巨人网络、游族网络、三七互娱等。(3)算力板块受益标的包括顺网科技、天娱数科、平治信息、浙数文化等。

风险提示:多模态大模型进展不及预期;大模型商业化落地进展不及预期


 

作者利益披露:转载,不作为证券推荐或投资建议,旨在提供更多信息,作者不保证其内容准确性。
声明:文章观点来自网友,仅为作者个人研究意见,不代表韭研公社观点及立场,站内所有文章均不构成投资建议,请投资者注意风险,独立审慎决策。
S
盛天网络
S
上海电影
S
中文在线
S
神州泰岳
S
万兴科技
工分
3.52
转发
收藏
投诉
复制链接
分享到微信
有用 4
打赏作者
无用
真知无价,用钱说话
0个人打赏
同时转发
评论(3)
只看楼主
热度排序
最新发布
最新互动
  • 1
前往