在开发出爆款聊天机器人 ChatGPT 系列之后， OpenAI 继续在生成式人工智能上玩出了“新花样”。 2 月 16 日， OpenAI 推出了新的 AI 大模型 Sora ，据称该文生视频大模型能够通过快速文本提示，创建出逼真和富有想象力的 60 秒视频，视频的效果相较之前又上了一个台阶。

据了解，该大模型的优势在于不仅能够更好地理解用户在提示中的要求，还能够理解这些东西在现实世界中的存在和运动方式。OpenAI表示，“正在教人工智能理解和模拟运动中的物理世界”，目标是训练模型来“帮助人们解决需要现实世界互动的问题”。

Sora生成的中国舞龙场景，与真实场景几乎没有差别

随后，OpenAI还解释了Sora的工作原理，表示Sora作为一个扩散模型，会从类似于静态噪声的视频开始，通过多个步骤逐渐去除噪声，使视频由最初的随机像素转化为清晰地图像场景，而此前大火的Midjourney和Stable Diffusion的图像和视频生成器同样基于扩散模型，但Sora能够通过让模型一次预见多帧画面，确保了即使被摄体在离开视线后仍然能保持不变，也使其展示出了对电影拍摄语法的自发理解。

Sora生成的女性眼睛，无论皮肤纹理还是瞳孔、睫毛都非常逼真

一位视频工作者在看到Sora之后表示，“我进入YouTube世界已经15年时间，但OpenAI刚刚的展示让我无言…动画师/3D艺术家们有麻烦了，素材网站将变得无关紧要，任何人都可以无壁垒获得难以置信的产品，内容背后的‘想法’和故事将变得更加重要。”

Sora生成的赛博都市场景

不过，也有不少人在看了Sora生成的视频之后表示：画面很真实，但也很诡异。这其实是由该大模型的缺点决定的。虽然该模型能够在一定程度上模拟现实场景，但仍然难以准确模拟复杂场景中的物理现象，也无法理解具体的因果关系，还存在混淆提示的空间细节等诸多问题。

Sora生成的视频中，老人吹蜡烛前后火苗纹丝不动，略显诡异

此外，关于文生视频模型安全性方面，OpenAI表示，正在开发帮助检测误导信息的工具，以此来检查例如极端暴力、性内容、仇恨图像、名人肖像等违反使用政策的文本提示，确保它在显示给用户的内容中没有违反使用政策的内容。