在 2024 年 2 月 16 日，Open AI 宣布推出全新的生成式人工智能模型“Sora”。据了解，通过文本指令，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。

这意味着，继文本、图像之后，OpenAI 将其先进的 AI 技术拓展到了视频领域。OpenAI 亦表示，Sora 是能够理解和模拟现实世界的模型的基础，这一能力将是实现 AGI（通用人工智能）的重要里程碑。

对于 OpenAI 视频生成模型的出现，业内其实早有预期，但仍有人评价称“比想象中来得更快”，亦有人振奋地表示“我们真的看到新工业革命来临”。

Sora 官方网址：openai.com/sora

Sora论文网址：openai.com/research/vi…

目前OpenAI官网上已经更新了48个Sora生成的视频Demo，色彩艳丽，效果逼真。

2024年的真正红利点：文生视频。

原理理解及达到效果

用ChatGPT能力做视频文本对齐，将多个高分辨率视频素材进行降维处理，进行密集训练，最后大力出奇迹。

最终我们只需要一段提示词，就可以生存60s的1080p的视频。

另外，Sora还可以从静态图像生成动画，或者扩展现有视频，从而创建出更多的画面，保持角色和视觉风格的一致性。

现有问题

该模型会混淆提示的空间细节，并且难以模拟复杂场景中的物理现象。

正式发布时间预测

如何使用

截止目前，Sora没有公开测试，也没有内测申请渠道，国内是没有渠道可以去尝试的。

下面信息仅供参考：

各模型对比

能力	Sora	其他
架构	Transformer	UNet为主
驱动方式	数据	图片
世界理解能力	强	弱
数字世界模拟	支持	不支持
世界互动能力	支持	不支持
3D运动连贯性	强	弱
物体一致性	强	弱
物体持久性/连续性	强	弱
文本理解	强	一般
运动控制	其他	提示词+运动控制工具
无缝连接能力	强	一般
视频到视频编辑	支持	部分
扩展生成视频	前/后	后
视频时长	60s	2-4s
原生纵横比	支持	不支持
清晰度	1080P	最高4k（Runway）

相同指令下不同视频模型对比

internal-api-drive-stream.feishu.cn/space/api/b…

AI视频玩家盘点

据不完全统计，过去一年来全球AI生成视频类赛道的融资已经超过数十亿美金，其中大部分公司都以种子轮、A轮为主。

今年1月底，A16Z还专门针对AI视频生成领域做了一个全面的回顾和展望，并盘点了市场长超过20个明星产品。

Sora优势

1. 准确性和多样性

可理解长达135个单词的长提示，准确解释用户提供的文本输入，并生成具有各种场景和人物的高质量视频剪辑。

2. 强大的语言理解

利用Dell-E模型的re-captioning技术，生成视觉训练数据的描述性字幕，不及可以提高文本的准确性，还可以提升视频质量。

3. 以图/视频生成视频

Sora不仅可以接受多样的提示词，还能接受已存在的图像和视频。

4. 优秀的设备适配性

Sora具备出色的采样能力，从宽屏的1920×1080到竖屏的1080×1920，两者之间的任何视频尺寸都能轻松应对。

5. 视频扩展功能

作为基于Transformer的扩散模型，Sora还能沿时间线向前或向后扩展视频。

6. 场景和物体的一致性和连续性

Sora可以生成带有生成带有动态视觉变化的视频，任务和场景元素在三维空间中的移动会显得更加自然。

Sora可能带来的影响

1. 没有演员的影视作品出现，对演员来说是个小挑战，将出现真正的“虚拟偶像”，此前的二次元人物并没有真正达到“偶像”的级别。

2. 利好编剧行业，剧本、文本创作力成为核心竞争力。

3. Sora 可能才是真正的文生视频，此前的文生视频大多只有 2 秒，仅仅是对象的小幅度移动。

4. OpenAI 继续拉大领先程度，对众多还在进行大模型测试打分 pk 的厂商，构成压力。

5. 直接的影响是影视行业，特别是特效行业。使用 AI 来制作一些特效和高风险的镜头，可以大幅降低拍摄成本，也可以避免很多危险。

6. 摄影师行业也会受到影响，用文本来生成一些视频，可以省去很多拍摄工作。

7. 短视频流行开以后，视频剪辑师也随之成为一个热门职业。如果视频剪辑的工作可以用 AI 来代替，可能会有很多视频剪辑师失业。

8. 对于很多短视频创作者来说，用 AI 来替代繁琐的剪辑工作，可以大幅提高工作效率。

9. 很多歌手拍摄 MV 都是大成本制作，如果可以用 AI 来生成所需要的 MV 画面，也可以省去很大一部分制作成本。

10. 另外，如果真正意义上的文生视频得以实现，可能会有不法份子利用这项技术实施新手段的违法犯罪。