在開發出爆款聊天機器人ChatGPT系列之後，OpenAI繼續在生成式人工智慧上玩出了「新花樣」。2月16日，OpenAI推出了新的AI大模型Sora，據稱該文生影片大模型能夠通過快速文本提示，創建出逼真和富有想像力的60秒影片，影片的效果相較之前又上了一個台階。
據了解，該大模型的優勢在於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，「正在教人工智慧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
隨後，OpenAI還解釋了Sora的工作原理，表示Sora作為一個擴散模型，會從類似於靜態噪聲的影片開始，通過多個步驟逐漸去除噪聲，使影片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的圖像和影片生成器同樣基於擴散模型，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後仍然能保持不變，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
一位影片工作者在看到Sora之後表示，「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，內容背後的『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生成的影片之後表示：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複雜場景中的物理現象，也無法理解具體的因果關係，還存在混淆提示的空間細節等諸多問題。
Sora生成的影片中，老人吹蠟燭前後火苗紋絲不動，略顯詭異
此外，關於文生影片模型安全性方面，OpenAI表示，正在開發幫助檢測誤導資訊的工具，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。
