缺點

狼在追逐打鬧過程中，可能會憑空多出或消失

Sora也存有以下弱點：可能難以準確模擬復雜場景的物理原理，無法理解因果關系，混淆提示的空間細節，難以精確描述隨著時間推移發生的事件。

沒有正確表示籃球穿過籃筐的過程

例如，在“五只灰狼幼崽在一條偏僻的碎石路上互相嬉戲、追逐”的場景中，狼的數量會變化，一些憑空出現或消失。在提示詞“籃球穿過籃筐然后爆炸”中，籃球沒有正確被籃筐阻擋。

OpenAI表示，Sora存在不成熟之處，可能難以理解因果關系，多位人工智能領域人士表示，該問題可能因其概率模式的邏輯存有“硬傷”。加大訓練量、增加訓練數據與物理邏輯可改善該問題，但無法根治。想要真正突破最底層邏輯上的問題，因果關系是一條必經之路。

技術特點

多幀預測生成

Sora是一種擴散模型，具備從噪聲中生成完整視頻的能力，它生成的視頻一開始看起來像靜態噪音，通過多個步驟逐漸去除噪聲后，視頻也從最初的隨機像素轉化為清晰的圖像場景，其能夠一次生成多幀預測，確保畫面主體在暫時離開視野時仍保持一致。

特殊架構

Sora采用與GPT模型相似的Transformer架構，OpenAI用Transformer結構替代Diffusion模型中常用的U-Net結構，提升了原來Diffusion模型在深度和寬度上的可擴展性，為視頻模型增加輸出時長奠定基礎?。Transformer架構能夠處理長序列數據，并通過自注意力機制捕捉數據中的依賴關系，從而提高模型的生成能力?。但為了解決Transformer架構在長文本和高分辨率圖像處理上的問題，擴散模型采用更可擴展的狀態空間模型（SSM）主干替代了傳統的注意力機制，從而減少了算力需求，并能夠生成高分辨率圖像?。

?

重述提示詞

Sora借鑒DALL-E 3的“重述提示詞技術”，為視覺訓練數據生成高度描述性的標注，這使得模型能夠更忠實地遵循用戶的文本指令，生成符合用戶需求的視頻內容，同時也提高了模型的靈活性和可控性。

數據表示

OpenAI將視頻和圖像表示為Patch，類似于GPT中的token，這種統一的數據表示方式使得Sora能夠在更廣泛的視覺數據上進行訓練，涵蓋不同的持續時間、分辨率和縱橫比，有助于模型學習到更豐富的視覺特征，提高生成視頻的質量和多樣性。

原生規模訓練

Sora采用“原生規模訓練”，過往的圖像和視頻生成通常會將視頻調整為標準大小，但這樣會失去視頻的原始長寬比和細節，而原生規模的訓練方法可以帶來更好的效果。Sora可以對各種尺寸和縱橫比的視頻進行采樣，允許直接為不同尺寸的設備創建內容，并快速原型化較低分辨率的內容。與將視頻裁剪為正方形的模型相比，Sora可以生成更完整、更美觀的視頻?。

?社會影響

價值意義

Sora對于需要制作視頻的藝術家、電影制片人或學生來說，都帶來了無限可能。該模型可以深度模擬真實物理世界，標志著人工智能在理解真實世界場景并與之互動的能力方面實現飛躍，也被認為是實現通用人工智能（AGI）的重要里程碑，通過不斷深入研究和發展Sora等先進模型，有望在未來實現更加智能、高效和多樣化的視頻生成與處理技術。

產業格局

• 估值上漲

Sora發布后，OpenAI的估值迅速上漲（有望超過800億美元，2023年ChatGPT發布不久時其估值約為290億美元），且文生視頻大模型將會大幅推動人工智能基礎設施的需求，英偉達、OpenAI、軟銀等巨頭公司都被曝正在進行AI芯片的制造布局，英偉達也因大模型訓練需要GPU算力支持而股價大漲?[38]。與此同時，受Sora發布的影響，美國圖片供應商Shutterstock的股價大跌。

在中國，龍年開市第一天，Sora相關概念全線“爆發”，會暢通訊、當虹科技、萬興科技、易點天下、因賽集團、東方國信、數碼視訊、華揚聯眾、國脈文化等股票均大幅上漲，多家公司回應稱，將根據自身業務特點，在文生視頻技術落地、Sora應用等方面尋找突破入口。

• 生產變革

浙商證券預測，Sora及同類產品將參與到改變信息生產和分發兩大環節的進程中，PGC（專業生產內容）將廣泛采用AI工具輔助生產，UGC（用戶生成內容）將借助AI工具逐步替代PGC。此間，AI生成視頻工具的商業化將提速?。

Sora可生成一段長達60秒的視頻，遠超市面同類AI產品視頻生成時長，60秒的視頻時長，已經超過抖音等短視頻平臺的平均視頻時長，Sora的誕生也為以后短視頻平臺的內容生產提供了更大的可能性。?

職業取代

截至2024年2月，已有一些視覺藝術家、設計師和電影制作人以及OpenAI員工獲得了Sora訪問權限，他們也已開始在社交平臺不斷曬出使用Sora生成的新作品，為人們展示AI生成視頻的創意可能。許多網友稱“不少人要丟工作了”，甚至有人開始“悼念”一整個素材行業。

各界評價

主要競品

相較于其他模型，Sora的優勢主要是三方面：

• 第一：可以生成長達60秒鐘的視頻，包括多個角色、特定類型動作和主題背景；

• 第二：可以在單個生成的視頻中創建多個鏡頭，模擬復雜的攝像機運鏡，同時準確地保持角色和視覺風格；

• 第三：能夠理解物體在現實世界中的物理規律和存在方式?。

• 

社會爭議

虛假信息

????????Sora的發布引發了關于虛假信息傳播的爭議。其強大的圖像視頻生成能力達到了以假亂真的程度，這不僅改變了人們“眼見為實”的傳統觀念，還可能帶來一系列社會問題，如視頻證據真實性和有效性的驗證難題。在Sora問世前已有多起利用AI偽造視頻進行詐騙的案例，顯示了AI生成視頻可能被濫用于非法目的的風險。Sora的普及可能會進一步降低制作高質量虛假視頻的門檻，加劇虛假信息的傳播。盡管互聯網平臺已有針對特定類型虛假信息的檢測機制，但對于復雜難辨的信息仍需加強深度分析和及時阻斷。隨著AI生成內容的激增，網絡上的合成內容將大量存在，這要求不僅在技術上持續改進，還需建立更全面的治理體系來有效應對虛假信息的挑戰。

版權問題

????????Sora可能引發侵權爭議。一方面，Sora生成的視頻版權是否受到保護尚不明確，這可能導致使用這些視頻的主體面臨侵權索賠和版權保護追溯的風險。另一方面，Sora在訓練過程中使用了相關素材，即使只是用這些素材進行訓練，也可能存在潛在的侵權風險?。

源自：Sora（OpenAI發布的人工智能文生視頻大模型）_百度百科