在開發出爆款聊天機器人ChatGPT系列之后，OpenAI繼續在生成式人工智能上玩出了“新花樣”。2月16日，OpenAI推出了新的AI大模型Sora，據稱該文生視頻大模型能夠通過快速文本提示，創建出逼真和富有想象力的60秒視頻，視頻的效果相較之前又上了一個臺階。

據了解，該大模型的優勢在于不僅能夠更好地理解用戶在提示中的要求，還能夠理解這些東西在現實世界中的存在和運動方式。OpenAI表示，“正在教人工智能理解和模擬運動中的物理世界”，目標是訓練模型來“幫助人們解決需要現實世界互動的問題”。

Sora生成的中國舞龍場景，與真實場景幾乎沒有差別

隨后，OpenAI還解釋了Sora的工作原理，表示Sora作為一個擴散模型，會從類似于靜態噪聲的視頻開始，通過多個步驟逐漸去除噪聲，使視頻由最初的隨機像素轉化為清晰地圖像場景，而此前大火的Midjourney和Stable Diffusion的圖像和視頻生成器同樣基于擴散模型，但Sora能夠通過讓模型一次預見多幀畫面，確保了即使被攝體在離開視線后仍然能保持不變，也使其展示出了對電影拍攝語法的自發理解。

Sora生成的女性眼睛，無論皮膚紋理還是瞳孔、睫毛都非常逼真

一位視頻工作者在看到Sora之后表示，“我進入YouTube世界已經15年時間，但OpenAI剛剛的展示讓我無言…動畫師/3D藝術家們有麻煩了，素材網站將變得無關緊要，任何人都可以無壁壘獲得難以置信的產品，內容背后的‘想法’和故事將變得更加重要。”

Sora生成的賽博都市場景

不過，也有不少人在看了Sora生成的視頻之后表示：畫面很真實，但也很詭異。這其實是由該大模型的缺點決定的。雖然該模型能夠在一定程度上模擬現實場景，但仍然難以準確模擬復雜場景中的物理現象，也無法理解具體的因果關系，還存在混淆提示的空間細節等諸多問題。

Sora生成的視頻中，老人吹蠟燭前后火苗紋絲不動，略顯詭異

此外，關于文生視頻模型安全性方面，OpenAI表示，正在開發幫助檢測誤導信息的工具，以此來檢查例如極端暴力、性內容、仇恨圖像、名人肖像等違反使用政策的文本提示，確保它在顯示給用戶的內容中沒有違反使用政策的內容。