OpenAI Sora 是一个先进的文本到视频模型，能够将描述性文本提示转换成动态、逼真的视频。这代表了人工智能驱动创造力的一个重大飞跃，能够生成高清视频，时长最多一分钟。Sora可以根据提示从零开始创建视频，通过在现有视频前后添加新内容来扩展现有视频，甚至可以从静态图片生成视频。这个创新模型由总部位于美国的人工智能研究机构 OpenAI 开发。
Sora 的开发紧随其他文本到视频模型之后，例如 Meta 的 Make-A-Video、Runway 的 Gen-2 和 Google 的 Lumiere，但它带来了独特的进步。Sora 以日语中的“空”命名，象征其无限的创造潜力，OpenAI 在 2024 年 2 月 15 日首次预览了 Sora，展示了其在各种场景下生产详细、长达一分钟的视频的能力。OpenAI 强调其计划将 Sora 提供给公众，尽管尚未确认具体发布日期。该模型目前正在由选定的“红队”进行对抗测试，以评估其抵御误用的能力，特别是在生成假信息或有偏见内容方面。
技术上，Sora 建立在扩散变换器框架上，使用去噪潜在扩散模型与变换器作为去噪器。这使得它能够在潜在空间生成视频，然后通过视频解压缩器转换到标准空间。模型在创建视频方面表现出深刻的语言和物理世界动态理解能力。然而，OpenAI 承认 Sora 存在一定的局限性，例如在准确模拟复杂物理过程、理解因果关系和管理空间细节方面的挑战。
Sora 的潜在应用非常广泛，涵盖创意领域、娱乐、教育等。然而，模型产生高度逼真视频的能力引发了关于其被用于创建虚假信息或其他有害内容的担忧。OpenAI 承诺将与专家和政策制定者合作，确保 Sora 负责任地使用，并且其输出可以被识别为 AI 生成。
总之，OpenAI Sora 在 AI 驱动的视频创作方面标志着一个重要的进步，为讲故事和内容创作提供了新的可能性，同时也提出了需要解决的挑战，以防止误用。
