欢迎来到 bling zoo！

☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 免费无限量使用 DeepSeek R1 模型☜☜☜

北京时间今天凌晨，OpenAI 正式发布了文本到视频生成模型 Sora，继 Runway、Pika、谷歌和 Meta 之后，OpenAI 终于加入视频生成领域的战争。

山姆・奥特曼的消息放出后，看到 OpenAI 工程师第一时间展示的 AI 生成视频效果，人们纷纷表示感叹：好莱坞的时代结束了？

OpenAI 声称，如果给定一段简短或详细的描述或一张静态图片，Sora 就能生成类似电影的 1080p 场景，其中包含多个角色、不同类型的动作和背景细节。

Sora 有哪些特别之处呢？它对语言有着深刻的理解，能够准确地解释 prompt 并生成吸引人的字符来表达充满活力的情感。同时，Sora 不仅能够了解用户在 prompt 中提出的要求，还能 get 到在物理世界中的存在方式。

在官方博客中，OpenAI 提供了很多 Sora 生成的视频示例，展示了令人印象深刻的效果，至少与此前出现过的文本生成视频技术相比是这样。

对于初学者来说，Sora 可以生成各种风格的视频（例如，真实感、动画、黑白），最长可达一分钟 —— 比大多数文本到视频模型要长得多。

这些视频保持了合理的连贯性，它们并不总是屈服于所说的「人工智能怪异」，比如物体朝物理上不可能的方向移动。

先让 Sora 生成一张中国龙年舞龙的视频。

比如输入 prompt：加州淘金热时期的历史镜头。

输入 prompt：玻璃球的特写视图，里面有一个禅宗花园。球体中有一个小矮人正在沙子上创造图案。

输入 prompt：一位 24 岁女性眨眼的极端特写，在魔法时刻站在马拉喀什，70 毫米拍摄的电影，景深，鲜艳的色彩，电影。

输入 prompt：穿过东京郊区的火车窗外的倒影。

刺鸟创客

一款专业高效稳定的AI内容创作平台

110 查看详情

输入 promot：赛博朋克背景下机器人的生活故事。

画面太真实，同时太诡异

但 OpenAI 承认，当前的模型也有弱点。它可能难以准确模拟复杂场景中的物理现象，也可能无法理解具体的因果关系。该模型还可能混淆提示的空间细节，例如混淆左和右，并可能难以精确描述随时间发生的事件，如跟随特定的摄像机轨迹。

比如他们发现，在生成的过程中动物和人会自发出现，尤其是在包含许多实体的场景中。

在下面这个例子中，Prompt 本来是「五只灰狼幼崽在草丛环绕的偏僻碎石路上嬉戏追逐。幼狼们奔跑着、跳跃着，互相追逐着、咬着，嬉戏着。」但所生成的这种「复制粘贴」的画面很容易让人想起某些神异鬼怪传说：

还有下面这个例子，吹蜡烛之前和吹蜡烛之后，火苗没有丝毫变化，透露出一种诡异：

技术细节

对 Sora 背后的模型细节，我们知之甚少。据 OpenAI 博客，更多的信息将在后续的技术论文中公布。

博客中透露了一些基础信息：Sora 是一种扩散模型，它生成的视频一开始看起来像静态噪音，然后通过多个步骤去除噪音，逐步转换视频。

Midjourney 和 Stable Diffusion 的图像和视频生成器同样基于扩散模型。但我们可以看出，OpenAI Sora 生成视频的质量好得多。Sora 感觉像是创建了真实的视频，而以往这些竞争对手的模型则感觉像是 AI 生成图像的定格动画。

Sora 可以一次性生成整个视频，也可以扩展生成的视频，使其更长。通过让模型一次预见多帧画面，OpenAI 解决了一个具有挑战性的问题，即确保被摄体即使暂时离开视线也能保持不变。

与 GPT 模型类似，Sora 也使用了 transformer 架构，从而实现了卓越的扩展性能。

OpenAI 将视频和图像表示为称为 patch 的较小数据单元的集合，每个 patch 类似于 GPT 中的 token。通过统一数据表示方式，OpenAI 能够在比以往更广泛的视觉数据上训练扩散 transformer，包括不同的持续时间、分辨率和宽高比。

Sora 建立在过去 DALL・E 和 GPT 模型的研究基础之上。它采用了 DALL・E 3 中的重述技术，即为视觉训练数据生成高度描述性的字幕。因此，该模型能够在生成的视频中更忠实地遵循用户的文字提示。

除了能够仅根据文字说明生成视频外，该模型还能根据现有的静态图像生成视频，并准确、细致地对图像内容进行动画处理。该模型还能提取现有视频，并对其进行扩展或填充缺失的帧。

^{参考链接：https://openai.com/sora}

以上就是春节大礼包！OpenAI首个视频生成模型发布，60秒高清大作，网友已叹服的详细内容，更多请关注其它相关文章！

# 产业  # 喀什  # 开源  # 山姆  # 多个  # 还能  # 春节  # midjourney  # stable diffusion  # pika  # runway  # sora  # openai  # 首个  # 抖音关键词排名统计图  # 关键词seo排名精通火星推荐  # 营销推广无人直播代理公司  # 永济网站推广宣传  # 电脑百度营销实时推广  # 蚌埠seo代理厂家  # 网站关键词优化排名提升  # 怀柔区seo优化  # 桥头网站建设多少钱  # 黑河seo关键词排名  # 龙年  # 加州  # 博客 

相关栏目： 【 行业资讯67740 】 【 技术百科0 】 【 网络运营39195 】

相关推荐： 固态硬盘如何判断大小  路由器上的power按钮是什么意思  个人征信不好如何恢复 个人征信不良的全面修复指南  typescript变量是什么  双十一哪一天买比较便宜？  ai文件在线打开工具有哪些  一秒是多少毫秒  夸克前缀后缀什么意思啊  固态硬盘 如何分区  typescript如何生成uuid  每日推荐电声音乐软件有哪些  软件命令行参数如何设置  市盈率动亏损是什么意思  shell如何执行sql脚本命令行  摄像机的power chg是什么意思中文  j*a整形怎么转数组  oracle中datediff函数怎么用 Oracle中DATEDIFF函数详解  苹果16配置参数有哪些  区块链的热闹将何去何从？  vi命令如何退出  怎么在typescript写原型链  新固态硬盘如何装系统  ftp$如何执行宏命令  如何查看固态硬盘分区  driver是什么意思  移动固态硬盘如何使用  车子上面nfc功能是什么意思  如何用命令打开光驱  typescript怎么用  为什么夸克流畅播失败  j*a怎么用json数组  单片机面包板怎么插  如何更新typescript  为什么用typescript  电脑如何查看固态硬盘  如何注释typescript  路由器上面的power红灯是什么意思  vivo手机nfc功能是什么意思  苹果16有哪些改装模式  春运抢票准备什么  苹果16有哪些亮点功能  ai如何重复使用上一命令  如何去掉拍电脑的纹路详细教程  grep命令的是如何实现  市盈率为负值是什么意思  如何ping测试命令  j*a怎么读取char数组  vue组件typescript怎么用  苹果16哪些型号好用  animal是什么意思