Sora

什么是 Sora？

Sora 是 OpenAI 的文本到视频生成模型，能够从文本描述创建逼真的视频。于 2024 年 2 月首次预览并于 2024 年 12 月公开发布，Sora 代表了一些人所说的视频的”GPT-1 时刻”——AI 视频生成开始真正起作用的时候。

能力

视频生成：

• 长达 20 秒的视频
• 最高 1080p 分辨率
• 宽屏、垂直或正方形宽高比
• 具有一致 3D 空间的动态相机运动

技术特性：

• 对象持久性（对象在帧之间持续存在）
• 物理模拟（虽然不完美）
• 视频扩展（在时间上向前或向后）
• 可以模拟像 Minecraft 这样的交互式环境

演变

原始 Sora（2024 年 2 月）

• 预览版本显示令人印象深刻的演示
• 长达一分钟的较低质量视频
• 没有音频
• 有限的公共访问

Sora Turbo（2024 年 12 月）

• 生成速度显著加快
• 向 ChatGPT Pro 和 Plus 用户公开发布
• Plus 用户：每月 50 个 480p 视频或更少的 720p 视频

Sora 2（2025 年 9 月）

主要升级引入：

音频：原生同步声音生成——最大的新增功能。

更好的物理：“如果篮球运动员投篮未中，它将从篮板上反弹。“错误现在似乎是被建模的隐含代理的错误，而不是物理违规。

可控性：遵循复杂的多镜头指令，同时保持世界状态一致性。

风格范围：擅长逼真、电影和动漫风格。

Cameos：用户可以通过简短的验证录音在生成的视频中包含自己的肖像。准确的外观和语音渲染。

“世界模拟器”

OpenAI 将视频生成模型描述为”世界模拟器”——学习物理和对象行为隐式模型的系统。这与 Demis Hassabis 和其他人认为 AGI 所必需的更广泛的世界模型研究相关联。

然而，当前的视频生成器并不真正理解物理——它们从训练数据的模式中近似它。生成的视频可能看起来逼真但物理上不准确。

安全措施

OpenAI 已实施保护措施：

• 水印：生成内容上的可见标记
• C2PA 元数据：机器可读的来源信息
• 上传限制：限制人物的逼真上传，尤其是未成年人
• 内容政策：防止未经同意的肖像生成

访问和定价

• ChatGPT Pro（每月 200 美元）：最高质量和最长的视频
• ChatGPT Plus（每月 20 美元）：每月 50 个较低分辨率的视频
• iOS 和 Android 应用：与 Sora 2 一起发布

竞争格局

Sora 与以下竞争：

• Runway Gen-3：专业视频生成
• Pika：面向消费者的视频 AI
• Google Veo：Google 的视频生成努力
• Kling：快手的视频模型

相关阅读

• 世界模型 - Sora 体现的概念
• Sam Altman - 监督 Sora 开发的 OpenAI CEO