大家好，我是雨飞。

就在今天，OpenAI 发布了自己旗下首个视频生成模型 Sora。它能够根据文本指令生成逼真和富有想象力的视频场景，具体来说，Sora是一个文本到视频的模型，能够生成长达一分钟的视频，同时保持视觉质量和对用户提示的忠实度。

下面是几个官方给出的演示视频，从实际效果来看，确实十分炸裂。

提示词：一位时尚女性走在充满温暖霓虹和动态城市招牌的东京街头。她穿着黑色皮夹克，一条长款红色连衣裙，黑色靴子，手里拿着黑色手提包。她戴着墨镜，涂着红色口红。她自信而随意地走着。街道潮湿而反光，形成了彩色灯光的镜面效果。许多行人在周围走动。

提示词：一列火车穿过东京郊区，车窗上反射出周围景象

提示词：一部电影预告片，讲述了一位30岁的太空人戴着红色羊毛编织摩托车头盔的冒险故事，背景是蓝天和盐漠，采用电影风格拍摄，使用35毫米胶片，色彩鲜明

OpenAI在介绍文章以及后面的技术blog中提到了Sora模型的关键技术以及目前的局限性，简单总结如下。

文本理解：Sora能够深入理解语言，准确解释提示并生成具有丰富情感表达的角色。

视频生成：模型能够一次性生成整个视频，或者通过扩展现有视频来增加长度。它能够确保即使在主体暂时离开视野时，也能保持一致性。

变换器架构：Sora采用了类似于GPT模型的变换器架构，这使得它在扩展性能上表现出色。

数据表示：Sora将视频和图像表示为较小的数据单元（patches），类似于GPT中的标记。这种统一的数据表示方法使得模型能够训练在更广泛的视觉数据上，包括不同的时长、分辨率和宽高比。

研究技术：Sora是一个扩散模型，通过从静态噪声开始，逐步去除噪声来生成视频。它还能够从现有的静态图像生成视频，或者扩展现有视频。

安全措施：OpenAI正在采取重要的安全步骤，包括与领域专家合作进行对抗性测试，以及开发工具来检测误导性内容。他们还计划在未来的产品中包含C2PA元数据。

局限性：尽管Sora在模拟复杂场景的物理和特定因果关系方面存在局限性，例如可能无法准确模拟物体的物理交互（如饼干被咬后没有痕迹），或者在处理涉及多个实体的场景时可能出现问题。

正如OpenAI在技术博客上所说，我们相信，Sora 今天所拥有的能力证明，不断扩大视频模型的规模，是开发物理和数字世界以及其中的物体、动物和人的功能模拟器的一条大有可为的道路。

参考资料

https://openai.com/sora

https://openai.com/research/video-generation-models-as-world-simulators

好了，今天的分享就到这里啦，感谢阅读。

福利早知道

AI破局星球，年后开启拉新，V我50锁定名额，可以免费享有我的年度陪伴群+大模型基础学习手册+老徐提供的7项福利。星球原价699元，提前锁定名额，可以享受最低价加入，还有机会抽奖获取更多福利。

如果你想探索自己的副业，对AI感兴趣，或者想尝试结合AI去做副业，赚点小钱，可以考虑入：

交个朋友

欢迎加我微信 1060687688， 备注「围观群」可以免费加入我的AI和副业围观群。

回复571，免费领取 2G 的AI大礼包，大冲副业从0到60万的可复制路径。

永久免费星球『算法·成长·一人企业』，在这里我会高频输出和算法，个人成长，副业相关的知识以及资源分享。希望，对你有帮助。

END

你的每一个『点赞』，都是鼓励我进步的勇气，点个『在看』，加油吧，一起成长！