OpenAI一直是AI圈的领跑者，2月16日凌晨，OpenAI再次抛出重磅炸弹，继 Runway、Pika、谷歌和 Meta 之后，OpenAI 终于加入视频生成领域的战争，首次发布了自家的文生视频模型Sora。AI圈的格局将再次被搅动，又将有一批AI创业者面临崩溃。
Sora 是什么？
据介绍，Sora可以直接输出长达60秒的视频，并且包含高度细致的背景、复杂的多角度镜头，以及富有情感的多个角色。重要的是能严格遵守用户输入的提示语句，能够理解和模拟真实世界。
根据目前OpenAI发布的内容来看，Sora已经吊打目前所有AI视频工具。看来OpenAI希望又一次改变了世界！
Sora 有什么特点
目前官网上已经更新了48个视频demo，在这些demo中，Sora不仅能准确呈现细节，还能理解物体在物理世界中的存在，并生成具有丰富情感的角色。该模型还可以根据提示、静止图像甚至填补现有视频中的缺失帧来生成视频。整体来说我们可以看到Sora的3个重要突出特点：
一分钟视频
首先是视频的长度，目前可以生成视频长度达到一分钟的，是非常难得的。而且这个长度已经可以达到大部分人的基本需求。就像一般视频平台的定义，1分钟以上就已经不是短视频，而是中视频了。
我们来看 OpenAI 官网给出的一个demo视频，一个女人在东京街头行走的视频。promt如下：
Prompt: A stylish woman walks down a Tokyo street filled with warm glowing neon and animated city signage. She wears a black leather jacket, a long red dress, and black boots, and carries a black purse. She wears sunglasses and red lipstick. She walks confidently and casually. The street is damp and reflective, creating a mirror effect of the colorful lights. Many pedestrians walk about.
流畅的视频效果真的让人震撼，已经把一卡一卡的逐帧捏合视频直接淘汰了。而且这里OpenAI还解决了一个重要挑战，即确保主题即使暂时离开视野也保持不变。
复杂的多角度镜头
在以往的AI生成视频中，都是单镜头推进式的视频模式，而Sora生成的视频中可以切换多个角度，并保持主题的一致性，已经接近于影视叙事的水平。
看下下面这个宇航员的demo，prompt如下：
Prompt: A movie trailer featuring the adventures of the 30 year old space man wearing a red wool knitted motorcycle helmet, blue sky, salt desert, cinematic style, shot on 35mm film, vivid colors.
理解物理世界
世界模型真的要成真了？众多AI厂商都在提的世界模型，现在在Sora身上经有了雏形。通过观察大量数据，它竟然学会了许多关于世界的物理规律。来看下这个demo视频，不光有列车和窗外真实的美景外，更厉害的细节是车窗上的反光倒影，随着车内外光线环境和人物的运动变化，倒影也几乎完美还原了真实世界的样子！
prompt如下：
Prompt: Reflections in the window of a train traveling through the Tokyo suburbs.
存在的缺陷
OpenAI 同时也承认当前的模型存在弱点。它可能难以准确模拟复杂场景的物理原理，并且可能无法理解因果关系的具体实例。例如，一个人可能咬了一口饼干，但之后饼干可能没有咬痕。
该模型还可能会混淆提示的空间细节，例如混淆左右，并且可能难以精确描述随着时间推移发生的事件，例如遵循特定的相机轨迹。
例如下面这个视频，狗会自己出现，确实很诡异。
幸好AI还有缺陷，不然的话，我们真的没办法区分虚拟和现实了。
更多技术细节
对 Sora 背后的模型细节，我们非常好奇也非常关注。据 OpenAI 博客，更多的信息将在后续的技术论文中公布。