您当前位置：
完美继承DALL·E 3的画质和遵循指令能力，能生成长达1分钟的高清视频。
有紧跟舞龙队伍抬头好奇官网的儿童，还有不少人掏出手机边跟边拍，海量人物角色各有各的行为。
OpenAI表示，正在教AI理解和模拟运动中的物理世界，目标是训练模型来帮助人们解决需要现实世界交互的问题
目前Sora已经能生成具有多个角色、包含特定运动的复杂场景，不仅能理解用户在提示中提出的要求，还了解这些物体在物理世界中的存在方式。
比如一大群纸飞机在树林中飞过，Sora知道碰撞后会发生什么，并表现其中的光影变化。
Sora还可以在单个视频中创建多个镜头，并依靠对语言的深入理解准确地解释提示词，保留角色和视觉风格。
美丽、白雪皑皑的东京熙熙攘攘。镜头穿过熙熙攘攘的城市街道，跟随几个人享受美丽的雪天并在附近的摊位购物。绚丽的樱花花瓣随着雪花随风飘扬。
对于Sora当前存在的弱点，OpenAI也不避讳，指出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。
例如“五只灰狼幼崽在一条偏僻的碎石路上互相嬉戏、追逐”，狼的数量会变化，一些凭空出现或消失。
该模型还可能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。
Sora是一种扩散模型，从噪声开始，能够一次生成整个视频或扩展视频的长度，
关键之处在于一次生成多帧的预测，确保画面主体即使暂时离开视野也能保持不变。
与GPT模型类似，Sora使用了Transformer架构，有很强的扩展性。
在数据方面，OpenAI将视频和图像表示为patch，类似于GPT中的token。
通过这种统一的数据表示方式，可以在比以前更广泛的视觉数据上训练模型，涵盖不同的持续时间、分辨率和纵横比。
Sora建立在过去对DALL·E和GPT模型的研究之上。它使用DALL·E 3的重述提示词技术，为视觉训练数据生成高度描述性的标注，因此能够更忠实地遵循用户的文本指令。
除了能够仅根据文本指令生成视频之外，该模型还能够获取现有的静态图像并从中生成视频，准确地让图像内容动起来并关注小细节。
该模型还可以获取现有视频并对其进行扩展或填充缺失的帧，请参阅技术论文了解更多信息（晚些时候发布）。
Sora 是能够理解和模拟现实世界的模型的基础，OpenAI相信这一功能将成为实现AGI的重要里程碑。
目前已有一些视觉艺术家、设计师和电影制作人（以及OpenAI员工）获得了Sora访问权限。
一位时尚女性走在充满温暖霓虹灯和动画城市标牌的东京街道上。她穿着黑色皮夹克、红色长裙和黑色靴子，拎着黑色钱包。她戴着太阳镜，涂着红色口红。她走路自信又随意。街道潮湿且反光，在彩色灯光的照射下形成镜面效果。许多行人走来走去。电影预告片讲述了30岁宇航员戴着红色羊毛针织摩托车头盔的冒险经历，蓝天、盐漠，电影风格，35毫米胶片拍摄，色彩鲜艳。无人机摄像机围绕着一座美丽的历史教堂盘旋，这座教堂建在阿马尔菲海岸的岩石露头上，视图展示了历史悠久、宏伟的建筑细节以及分层的路径和露台，当视图俯瞰地平线时，可以看到海浪拍打着下面的岩石。意大利阿马尔菲海岸的沿海水域和丘陵景观，远处的几个人在露台上散步和欣赏壮丽的海景，午后阳光的温暖光芒给场景营造出一种神奇而浪漫的感觉，景色令人惊叹用美丽的摄影捕捉。一只柯基犬在热带毛伊岛拍摄视频博客一只巨大的橙色章鱼躺在海底，与沙石地形融为一体。它的触角散布在身体周围，双眼紧闭。不远处，一只棕色多刺的帝王蟹正从岩石后爬向它，钳子高举待击。画面以广角拍摄，展现出海洋的无垠深邃。水清澈见底，阳光透过水面，投下斑斓光影。画面清晰生动，章鱼和蟹清晰可见，而背景稍显模糊，营造出景深效果。
本文来自微信公众号“量子位”（ID:QbitAI），作者：关注前沿科技，36氪经授权发布。
特别声明：以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布，本平台仅提供信息存储服务。
2980元一晚！男子傻眼：县城民宿竟堪比上海外滩五星酒店？价格辣手还一房难求
效果炸裂！OpenAI首个视频生成模型发布，1分钟流畅高清，网友：整个行业RIP
谷歌Gemini 1.5深夜爆炸上线，史诗级多模态硬刚GPT-5！最强MoE首破100万极限上下文纪录
Astropad Slate 应用上线 元，可将 iPad 变为触控板
机构预估苹果 Vision Pro 头显销量已逼近 20 万台，全年 35 万台
