Sora 终于发布，但已经不再期待了

12月10日，OpenAI 正式发布了「 Sora 视频生成模型」。回想其在 2024 年初首次亮相时，Sora 被誉为 AI 视频生成领域的里程碑式产品，承载了行业与大众的高度期待。

然而过去半年间，海螺、可灵、混元等视频大模型不断涌现。在竞争加剧的情况下，Sora 是否继续带来了惊喜，则充满不确定性。

生成式AI视频的挑战

我们先来回顾一下，当时的 OpenAI 做对了什么，让大家对 Sora 期待如此之高？

在 Sora 出现之前，AI 视频生成技术主要依赖两类模型：「Transformer」和「扩散模型」。无论是 Meta 的 Make-A-Video、字节跳动的 Magic Video，还是 Runway 的 Gen-2，都采用了扩散模型来训练。

然而，尽管扩散模型生成速度快，却存在稳定性不足的缺点，导致效果不尽如人意。

那么 OpenAI 是如何破解这一难题呢？

面对扩散模型生成速度快但稳定性不足，和 Transformer 模型生成稳定但资源消耗高的矛盾，OpenAI 将两者优势相结合，开创了一种混合架构，即**「基于 Transformer 的扩散模型（DiT）」**。DiT 并非 OpenAI 的首创，但确实是靠 OpenAI 发扬光大。

在 Sora 之前，业界对混合模型虽然已有尝试，但效果不佳，市场反响寥寥无几。然而，Sora 的出现证明了这条路的可行性------只要**「** 投入足够多的数据和资源」，成功便指日可待。

这也解释了为何在短短半年多的时间里，各类文生视频的大模型如雨后春笋般涌现。科技巨头相继推出了海螺、可灵、即梦、混元等表现相当不错的产品，推动了这一领域的快速发展。

Sora 的创新不仅填补了当时市场的空白，更开辟了一条全新的 「AI 视频生成赛道」。

Sora 为视频大模型带来了巨大的想象空间：从电影、短剧到复杂的特效场景制作都将变得更加高效。而这些看似"高端"的应用场景，仅仅是视频生成技术影响力的冰山一角。

尽管 Sora 引起了广泛的关注和期待，但其发布后的效果似乎并未完全超越市场上的现有产品。以下截取了一些测评结论：

Bilawal Sidhu 将 Sora 与腾讯混元大模型的效果进行对比，认为混元生成的视频效果更佳。

Deedy 认为Sora在生成体操动作上完成度不高。但这也是所有大模型的通病。

也有很多正面评论，如Jim Fan 认为 Sora 在模拟真实世界上表现出色。Chris 认为 Sora 生成的视频符合物理规律。

Sora 虽然无法完全超越竞品，但在功能上提供了新的可能性。未来，随着技术的不断优化与资源的持续投入，Sora 或许仍能在 AI 视频生成领域找到属于自己的位置。

[1] OpenAI 发布 Sora：

[2] Transformer：

[3] 扩散模型：

[5] Bilawal Sidhu 的 twitter 原帖：

[6] Deedy 的 twitter 原帖：

[7] Jim Fan 的 twitter 原帖：

[8] Chris 的 twitter 原帖：

持续更新 AIGC 最新行业动态，若希望更好的阅读体验，可移步微信公众号：张XX的AI小站