事件-最近，OpenAI发布了文生视频模型Sora，可以根据用户的指示生成一分钟的视频，并保持视觉质量；谷歌发布了Gemini 1.5 Pro大模型可以支持超长文本的上下文推理，具有优异的多模态性能，可以准确捕捉电影和视频的细节。我们认为在OpenAI、在谷歌的带领下，预计将开启多模态大模型的新一轮浪潮。
点评
1、OpenAI发布Sora文生视频模型，可生成最长一分钟的视频
2024年2月16日，北京时间，OpenAI发布了文生视频模型Sora，可根据用户的指示生成长达一分钟的视频，并保持视觉质量。Sora可以生成复杂的场景，包括多个角色、特定类型的动作和主体和背景的准确细节。在OpenAI官方网站上，可以看到许多由Sora模型生成的视频案例，如时尚女性在东京街头行走、猛犸象在雪原上行走、在艺术博物馆行走时欣赏艺术品等；
2、根据DALL-E和GPT模型的研究成果，Sora模型可以实现视频加工、拼接等功能
Sora模型除了基于文本生成视频的能力外，还可以接受其他输入，如预先存在的图像或视频。Sora可以执行创建循环视频、添加静态图像动画、向前或向后延伸视频、拼接两个视频等多种图像和视频编辑任务。
OpenAI官方技术文件指出，研究人员在文本条件下，探索了生成模型在视频数据上的大规模培训，并在时间、分辨率和宽度比可变的视频和图像上共同培训了扩散模型。与使用文本Token的大语言模型不同，Sora模型使用视觉补丁(Visual Patches)OpenAI证明了这种视觉补丁方法在视频/图像生成模型中非常有用。
3、谷歌发布Geminini 1.5 Pro大模型，优秀的长文本和多模态推理能力
2024年2月15日，谷歌发布了基于Moe架构的Geminini 1.5 大型Pro模型， 基于早期发布的Gemini 1.0 更新版Pro。大型模型处理530,000 当token文本处理时，可以实现100%的搜索完整性，在处理10000000000。 token的文本也可以达到99.7%的检索完整性。
在多模态能力方面，Gemini 1.5 Pro可以在11小时左右的音频数据和3小时左右的视频内容中成功检索到各种隐藏的音频片段或视觉元素。根据谷歌官网的信息，Gemini 1.5 Pro可以在402页或44分钟内实现阿波罗11号的飞行记录 准确推理无声电影内容。
4、看好2024年3D建模和视频领域的多模式大模型和大模型爆发
我们在2023年11月15日发布的《2024年度战略》中提出，国内外厂商有望在2024年发布更复杂的多模态大模型，实现文本、语音、图像、音视频等多模态数据的复杂处理和交互。我们认为，OpenAI发布Sora模型有望开启多模态大模型的新一轮浪潮。[浙商计算机]
标的
(1)大模型厂商:科大讯飞、云从科技、微软、谷歌；(2)多模态应用厂商:万兴科技、虹软科技、焦点科技Adobe；
10月10日，上交所再次举行券商座谈会，现场宣讲并购重组最新政策精神，并就进一步活跃并购重组市场、打通政策落地“最后一公里”听取意见建议。中信证券、中金公司、中信建投、华泰联合、国泰君安、国信证券、东方证券、广...
来源：券商中国作者：时谦今天早盘，A股市场波动较大，但经过一段下挫之后，很快就被多头拉起。而从盘面来看，以代码601开头的大盘蓝筹股（亦是高股息板块）今天表现非常突发，红利ETF大多涨幅在4%左右水平。那么，究竟又是何逻辑呢？分析...
中字头及红利资产全天保持强势，沪深两市交易量连续第4日突破2万亿元！市场对后续政策的期待仍在升温。今日（10月10日），A股三大股指走势分化，截至收盘，上证指数涨1.32%，深证成指跌0.82%，创业板指跌2.95%。全市场个股涨多跌少，超30...
要点1通化东宝控股股东所持股份质押率高遭质疑，公司董事长李佳鸿称，系东宝集团投资项目周期长造成；要点2业绩方面，李佳鸿预计称下半年公司营收将逐季恢复；要点3公司还对新产品销售情况做了介绍。财联社10月10日讯（记者 何凡...
要点1海外市场需求持续旺盛，赛轮轮胎预计公司前三季度业绩同比增约六成；要点2天然橡胶、炭黑、合成橡胶等生产原材料均有涨价，为应对成本压力，多家轮胎公司宣布产品涨价。财联社10月10日讯（记者 肖良华）海外市场需求持续旺...
本文“OpenAI发布Sora模型有望开启多模态大模型的新一轮浪潮”由壹米财经整理发布，欢迎转载收藏，转载请带上本文链接。
免责声明：【壹米财经】发布的所有信息，并不代表本站赞同其观点和对其真实性负责，投资者据此操作，风险请自担。部分内容文章及图片来自互联网或自媒体，版权归属于原作者，不保证该信息（包括但不限 于文字、图片、图表及数据）的准确性、真实性、完整性、有效性、及时性、原创性等，如有问题，请联系我们！
