2024年2月16日，OpenAI在其官网上正式推出了文本生成视频的大模型——Sora。这款新型视频生成模型能够根据文本指令创建现实与富有想象力的场景。用户可以基于编写的提示词，生成长达一分钟的生动视频。
效果相当震撼。请看下面的视频示例：
提示词：
“一位时尚的女士在充满温暖发光的霓虹灯和动画城市标志的东京街道上行走。她穿着黑色皮夹克，一条长红裙和黑色靴子，背着黑色手提包。她戴着太阳镜和红色口红。她走路自信而随意。街道潮湿而具有反射性，营造出五光十色灯光的镜面效果。许多行人在四处走动。”
Sora展现了惊人的创造力，能够构建丰富多彩、充满多个角色、独特动作、主题和背景细节的复杂场景。该模型不仅能深刻理解物体在物理世界中的存在，还能准确描绘各种道具，塑造生动、富有表情的角色形象。更令人惊叹的是，Sora还能基于静态图像创作引人入胜的视频，为现有视频填充或扩展画面帧，呈现出生动而引人入胜的视觉体验。
Sora 视频案例
Sora的应用范围极为广泛，无论是在教育教学、产品演示，还是内容营销领域，都能通过Sora实现高质量的视频内容创作。这一多才多艺的模型为不同领域提供了创新的可能性，为用户创造出引人入胜、令人印象深刻的视觉体验！
以下是一些OpenAI官方发布的应用案例：
-
提示词：
“一个电影预告片，讲述了一个30岁的太空人冒险的故事，他戴着一顶红色毛织摩托车头盔，蓝天，盐沙漠，电影风格，35毫米胶片拍摄，色彩鲜明。”
-
提示词：
“镜头跟随在一辆带黑色车顶行李架的白色复古SUV后面，它在陡峭的山坡上加速行驶在一条被松树包围的陡峭土路上，轮胎上的灰尘飞溅，阳光照射在SUV上，给现场投下温暖的光芒。”
-
提示词：
“五只灰狼幼崽在一条偏僻的碎石路上互相嬉戏、追逐，周围都是草丛。”
-
提示词：
“几只巨大的长毛猛犸象走过一片白雪覆盖的草地，它们长长的毛茸茸的皮毛在风中轻拂，远处白雪覆盖的树木和戏剧性的雪山。”
-
与世界互动：
Sora可以模拟简单的世界互动，例如，画家在画布上留下新的笔触，或一个人吃汉堡后留下咬痕。
-
提示词：
“加利福尼亚淘金热时期的历史影像。”
-
提示词：
“动画场景特写了一个毛茸茸的小怪物跪在融化的红烛旁。”
-
提示词：
“参观一个艺术画廊，展示了许多不同风格的精美艺术品。”
Sora 使用方法
使用Sora非常简单，以下是使用步骤：
- 登录账户： 确保您已登录您的OpenAI账户，并导航到Sora的使用界面。
- 输入文本描述： 在指定区域输入您的文本描述，提供越详细的描述，生成的视频内容就会越具体和生动。
- 点击生成按钮： 输入完文本描述后，点击生成按钮，Sora将根据您的描述开始创作相应的视频内容。
- 预览生成的视频： 创作完成后，您可以在界面上预览生成的视频，检查内容是否符合您的期望。
注意： 截止2024年2月16日，OpenAI只向部分专业用户开放了Sora的访问权限。普通用户只能观看其发布的演示视频。
Sora 技术原理
OpenAI Sora的详细技术报告发布，感兴趣的小伙伴可以阅读原文。以下是一些重点：
将可视数据转换成补丁
OpenAI首先将视频压缩到低维潜在空间中，然后将其分解为时空补丁，从而将视频转化为补丁。这种方法的发现有望让未来的计算机能更好地参与到我们创造的视频内容中。
Sora实际上是一种扩散型变换器模型（Diffusion Transformer）。它借鉴了GPT模型的成功，采用了Transformer架构，实现了前所未有的扩展性能。
Sora 适用领域
Sora适用于多个领域，包括但不限于：
- 影视创作： 生成各种类型的视频片段，增添创意元素。
- 社交媒体推广： 创造引人注目的视频内容，提升曝光度。
- 游戏开发： 制作角色动画和场景效果，提升游戏体验。
- 教育和培训： 制作教学视频，提高学习兴趣。
- 虚拟现实（VR）和增强现实（AR）： 制作沉浸式体验内容。
- 广告和营销： 制作创意广告内容，吸引目标受众。
- 医疗和健康： 制作医疗培训视频，提高信息传递效果。
- 艺术和文化创作： 创造富有表现力的视频艺术作品。
- 科学可视化： 制作科学可视化内容，帮助理解复杂概念。
OpenAI Sora以其强大的功能和多样的应用领域，为用户提供了高效、创意丰富的视频制作体验，助力各行业创作者和开发者在其领域中取得更出色的成果。