OpenAI 宣布了一款名为 Sora 的新生成式人工智能系统，该系统可以根据文本提示生成短视频。虽然 Sora 尚未向公众开放（部分用户已获得内测资格），但迄今为止发布的高质量样本已经引起了兴奋和担忧的反应。
OpenAI 发布的样本视频（该公司称这些视频是由 Sora 直接制作，未经修改）显示了提示的输出，例如“两艘海盗船在一杯咖啡内航行时互相战斗的逼真特写视频”和“加利福尼亚州的历史镜头”淘金热期间”。
乍一看，由于视频、纹理、场景动态、摄像机运动的高质量以及良好的一致性，通常很难看出它们是由人工智能生成的。
OpenAI 首席执行官 Sam Altman 还在 X（以前的 Twitter）上发布了一些根据用户建议的提示生成的视频，以展示 Sora 的功能。本文你将了解:
- Sora 是什么?Sora如何运作?
- Sora与其它AI视频软件对比
- Sora使用入口网址、使用教程
- Sora应用前景
- Sora风险和道德问题
Sora 是什么?Sora如何运作?
Sora是一个基于大规模训练的文本控制视频生成扩散模型。它能够生成长达1分钟的高清视频，涵盖广泛的视觉数据类型和分辨率。Sora通过在视频和图像的压缩潜在空间中训练，将其分解为时空位置补丁，实现了可扩展的视频生成。Sora还展现出一些模拟物理世界和数字世界的能力，如三维一致性和交互，揭示了继续扩大视频生成模型规模来发展高能力模拟器的前景。
Sora 在所谓的“扩散变压器模型”中结合了文本和图像生成工具的功能。
Transformer 是Google 于2017年首次推出的一种神经网络。它们因在 ChatGPT 和 Google Gemini 等大型语言模型中的使用而闻名。
另一方面，扩散模型是许多人工智能图像生成器的基础。他们的工作原理是从随机噪声开始，迭代到适合输入提示的“干净”图像。
视频可以由一系列这样的图像制作。然而，在视频中，帧之间的连贯性和一致性是必不可少的。
Sora 使用 transformer 架构来处理帧之间的关联。虽然 transformers 最初设计用于在代表文本的标记中寻找模式，但 Sora 使用代表空间和时间的小块的标记。
Sora与其它AI视频软件对比
（举报）