Sora

Sora 是 OpenAI 推出的文本到视频模型。它能根据用户输入的描述性提示快速生成视频，还可对现有视频进行编辑和扩展。Sora 具有以下特点：

• 功能强大：能生成长达 1 分钟的视频，支持多种分辨率和比例；可生成具有丰富细节、连贯性的视频，包含复杂场景、多个角色及特定动作；能模拟现实世界的物理规则，具备新兴的仿真能力，如生成动态摄像机运动的视频等；还可生成可变大小的图像。
• 工作原理独特：将视频数据转换为空间时间补丁，训练降低视觉数据维度的网络，采用扩散模型并使用与 GPT 模型相似的 Transformer 架构。
• 多种应用：如 remix（重混）、re-cut（重新切割）、loop（循环剪辑）、blend（混合）、style presets（风格预设）等。
• 具有一定局限性：可能难以准确模拟复杂场景的物理原理、理解因果关系，存在空间细节混淆等问题。

Sora 的发布具有重要意义，它在视频生成领域有独特优势，为创作者提供了更多可能，也可能带来一些挑战和影响，如假视频泛滥、影响影视行业等。目前该模型只对 ChatGPT Plus 和 Pro 用户开放。