OpenAI日前发布首款文生视频模型Sora模型，完美继承DALLE 3的画质和遵循指令能力其支持用户输入文本描述，生成一段长达1分钟的高清流畅视频。

该模型可以深度模拟真实物理世界，标志着人工智能在理解真实世界场景，并与之互动的能力方面实现了重大飞跃。

官方公布的生成视频现实，以中国龙年春节为提示词生成的视频中，熙熙攘攘的人群中，有人在舞龙，舞龙动作相当丝滑标准，还有人举起手机拍摄，场景细节丰富、严谨。

另一段都市丽人”漫步东京雨后街头视频中，路面上的水渍倒影细节逼真，霓虹灯光影效果堪比实景，如果不是标注说明，很多人意识不到这是由AI生成的视频片段。

OpenAI表示，技术团队正在教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。

根据文本提示生成视频，仅仅是整个计划其中的一步。

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。

不过，Sora当前也存在局限性，OpenAI称其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。

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。

即便如此，OpenAI的首个视频模型发布后，不少网友惊呼：不少人要丢工作了”、整个素材行业可能都会因此衰落”、语言大模型后，OpenAI又要一次加快AI进化”。

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，他们也已开始不断Po出新的作品，为人们展示AI生成视频的无限创意可能。

下附OpenAI视频模型Sora官网：https://openai.com/sora