OpenAI正追随Runway等初创公司以及Google、Meta等科技巨头的脚步，正式涉足视频生成领域。
Sora：文本生成1080p电影级场景
OpenAI今日发布Sora，这是一款能从文本生成视频的生成式AI模型。据官方介绍，基于简短或详细的描述乃至静态图片，Sora可生成包含多角色、复杂运动及背景细节的1080p电影级场景。
此外，Sora还能“扩展”现有视频片段，智能填补缺失细节。
OpenAI在博客中表示：“Sora对语言有深刻理解，能准确解读提示词并生成情感丰富的生动角色。该模型不仅理解用户指令，还掌握事物在物理世界中的存在方式。”
实测表现：连贯性优于同类，但仍存瑕疵
尽管演示页面不乏夸张表述，但精选样本确实令人印象深刻。相比其他文生视频技术，Sora优势明显：
- 风格多样且时长更长：支持照片写实、动画、黑白等多种风格，视频时长可达一分钟，远超大多数同类模型。
- 连贯性较好：视频逻辑相对合理，较少出现物体违反物理规律移动等“AI怪异现象”。
以下是Sora生成的艺术画廊之旅（忽略GIF转换导致的颗粒感）：
花朵绽放动画示例：
不过，部分含类人主体的视频（如机器人站在城市景观前、人物雪中行走）仍带有电子游戏般的质感，可能与背景内容较少有关。同时，AI怪异现象依然存在，例如汽车行驶方向突变、手臂融化进被套等。
局限性披露与安全策略
OpenAI坦言Sora并不完美，指出其可能在模拟复杂物理规律和理解特定因果关系方面存在困难。例如：人咬饼干后可能无咬痕；空间细节可能左右颠倒；难以精准遵循特定摄像机轨迹等时间序列事件。
目前，Sora仅作为研究预览版推出，训练数据仅透露为约1万小时“高质量”视频，暂未向公众开放。此举旨在防范滥用风险。
OpenAI表示，正与专家合作进行漏洞探测，并开发Sora生成视频检测工具。若未来面向公众发布，将在输出中嵌入来源元数据。
官方强调：“我们将与全球政策制定者、教育工作者和艺术家交流，了解担忧并探索积极用例。鉴于无法完全预测技术的有益使用或滥用方式，从实际使用中学习是构建更安全AI系统的关键。”