OpenAI發(fā)布了文生視頻模型Sora，這是一幫純技術(shù)的成需要發(fā)布的大模型。但如果是從產(chǎn)品經(jīng)理的角度設(shè)計的大模型，會不會不一樣。這篇文章，我們考慮技術(shù)特性、應(yīng)用場景、操作流暢度和個性化定制程度這幾點，分別展開來聊聊。

Sora的出現(xiàn)，引發(fā)一眾討論熱潮，但這款未正式發(fā)布的跨時代AI產(chǎn)品，還無法讓我們直觀感受到它的操作界面和使用效果。

那身為一名產(chǎn)品經(jīng)理，我不禁好奇，這款產(chǎn)品會給人什么樣的交互體驗？如果我是它的產(chǎn)品經(jīng)理，我會如何設(shè)計？

是像DALL-E 3那樣直接融入ChatGPT里？還是像Pika那樣單獨的輸入框和調(diào)試界面？又或者干脆做成剪映那種一站式視頻生成和編輯器？

AI產(chǎn)品設(shè)計，要同時考慮技術(shù)特性、應(yīng)用場景、操作流暢度和個性化定制程度這幾點，下面我分別展開來聊聊。

一、技術(shù)特性

采用Diffusion Transformer架構(gòu)的Sora，特點在于能夠處理和生成具有復(fù)雜動態(tài)和空間關(guān)系的高質(zhì)量視頻。因此產(chǎn)品設(shè)計要重點考慮如何有效調(diào)整模型性能，控制它的泛化能力。利用Transformer的特性來提高視頻的質(zhì)量和多樣性。

因此從產(chǎn)品設(shè)計上，提供高清分辨率、多場景模版、多鏡頭選擇肯定是Sora和其他視頻有差異化的配置參數(shù)。

與此同時，考慮到過度復(fù)雜的參數(shù)配置導(dǎo)致的過擬合問題，這類配置的選擇也要控制邊界，限制約束條件，不能讓用戶通過自然語言來隨意控制。

二、應(yīng)用場景

Sora的應(yīng)用范圍非常廣泛，因此，在產(chǎn)品設(shè)計時，應(yīng)考慮如何將Sora應(yīng)用到如影視制作、游戲開發(fā)、教育教學(xué)、產(chǎn)品演示、內(nèi)容營銷等更多領(lǐng)域，從而擴大其市場影響力，覆蓋到更多元的職業(yè)類型。

舉個例子，影視制作就是官方指定的Sora應(yīng)用場景之一。OpenAI曾公開表示，通過使用Sora，視覺藝術(shù)家、設(shè)計師和電影制作人可以獲得關(guān)于如何推進模型對創(chuàng)意專業(yè)人士最有幫助的反饋。

但對產(chǎn)品經(jīng)理而言，這樣的定位更要求產(chǎn)品設(shè)計風(fēng)格面向?qū)I(yè)人士而不是普世大眾。也許我們的界面，不應(yīng)該只提供一個對話框，而是要以更貼近鏡頭語言、電影腳本那樣的風(fēng)格來給用戶輸入提示。就像DALL·E3的提示詞生成器那樣，明確規(guī)定用戶要按：場景、人物角色、形象描述、背景介紹、表現(xiàn)說明那樣的格式來撰寫提示詞。以劇本撰寫為例，一個劇本通常由5個主要元素組成：時間、地點、人物、行為、對話。那我們的界面設(shè)計，就應(yīng)該要求用戶完善這些設(shè)定，才能享受到一部精彩的劇作。

當然，不同行業(yè)Sora提供的能力范圍也要有區(qū)別，比如在游戲領(lǐng)域，游戲開發(fā)者就可以利用Sora制作游戲中的角色動畫和場景效果，提供更逼真豐富的游戲體驗。從這個角度看，就無需復(fù)雜的腳本設(shè)定，只考慮如何把技術(shù)融入到游戲設(shè)定中就可以了。

三、操作流暢度

設(shè)計一個用戶友好、操作簡便的Sora視頻生成界面，首先要確保界面的設(shè)計遵循人機界面的友好性和操作便利性原則

具體來說，可以考慮以下幾個方面：

第一，簡化操作流程：剛剛我有提到，Sora使用過程中，用戶必須對想要顯示的內(nèi)容進行詳細描述，包括場景、人物、動作和整體基調(diào)等。這意味著在設(shè)計界面時，應(yīng)盡量減少用戶的輸入工作量，提供清晰、直觀的選項和反饋，以幫助用戶快速完成描述和設(shè)置，這時候就可以融入AI Copilot角色來輔助用戶撰寫內(nèi)容。

第二，增強視覺體驗：通過合理的排版和配色，使用戶能夠直觀地了解頁面內(nèi)容，并享受到視覺上的美感。這不僅能提升用戶體驗，還能增加工具吸引力。我個人推薦類似GPTs那樣的布局。既可以自然語言交互，又支持輸入框配置參數(shù)，還可以直接預(yù)覽，方便直觀。

第三，靈活的編輯功能：Sora需要允許用戶靈活地編輯和更改生成的場景。因此，在設(shè)計界面時，應(yīng)考慮到用戶可能會有不同的需求和偏好，提供多種編輯選項，如調(diào)整視頻的長度、添加或刪除場景元素等，以滿足用戶的個性化需求。

第四，實時預(yù)覽和反饋機制：在生成視頻之前，用戶可以預(yù)覽生成的視頻。這樣的設(shè)計可以讓用戶更好地理解生成效果，并根據(jù)預(yù)覽結(jié)果做出相應(yīng)調(diào)整。同時，也應(yīng)該提供一個反饋機制，讓用戶知道他們的描述被Sora理解了多少，以及哪些部分沒有得到很好的表現(xiàn)。還能避免無效的patch資源浪費。

第五，易于學(xué)習(xí)和使用：Sora的使用，對普通大眾而言上手門檻可能會較高。因此，在設(shè)計界面時，應(yīng)確保所有的指示和說明都是清晰易懂的，避免復(fù)雜的術(shù)語或難以理解的概念。增加示意圖和解釋說明手冊就是個很好的設(shè)計。

四、個性化定制程度

就像上面提到的，面向?qū)I(yè)人士的設(shè)計，相比普通C端，區(qū)別就在于可個性化定制的范圍。對Sora而言這可能是關(guān)鍵環(huán)節(jié)，也需要認真設(shè)計。具體可以分下面幾個維度來考慮：

第一，提供可調(diào)節(jié)的視頻長度和分辨率，以及各種模板和主題：Sora需要允許用戶根據(jù)特定需求和偏好定制他們的視頻，包括視頻長度和分辨率的調(diào)節(jié)，以及提供各種模板和主題，從而滿足不同場景和需求

第二，利用用戶數(shù)據(jù)生成個性化視頻：作為企業(yè)級用戶，可以基于用戶數(shù)據(jù)，讓Sora生成針對不同用戶群體的定制視頻，從而提高營銷活動的針對性和最終售賣的轉(zhuǎn)化率

第三，支持生成支持多設(shè)備多尺寸內(nèi)容的能力：由于Sora訓(xùn)練的視頻是全尺寸，它也就支持為多樣化設(shè)備定制內(nèi)容的能力，從產(chǎn)品設(shè)計上也要支持多設(shè)備屏幕預(yù)覽功能。

第四，視頻風(fēng)格定制：視頻風(fēng)格也是AIGC產(chǎn)品的標配，卡通、寫實、科幻、幽默，用戶都可以根據(jù)自己的需求和喜好，輸入特定的文本信息，讓Sora生成符合預(yù)期的視頻內(nèi)容，也給用戶提供了充分發(fā)揮想象力的空間，這也是平臺型產(chǎn)品的標準設(shè)計思路。

五、總結(jié)一下

總的來講，我覺得sora的設(shè)計，不應(yīng)該只局限在某個功能、某個界面上，更應(yīng)該綜合考慮技術(shù)實現(xiàn)、使用人群、實現(xiàn)目的和用戶反饋。

這個過程肯定不是一蹴而就，尤其目前作為一款視頻生成工具，sora還有大量不完善的地方，比如物體動作表現(xiàn)遲緩不自然、視頻無聲音、仍舊存在幻覺問題等等。就連已經(jīng)很成熟的GPT4，OpenAI仍舊在使用過程中用各種方法收集用戶反饋。

這也是身為產(chǎn)品經(jīng)理要特別關(guān)注的。

希望這篇文章能對你有所啟發(fā)。