大家好，我是木川

繼 OpenAI 推出文生文的模型 GPT、文生圖的模型 DALL-E 之后，OpenAI 發布了文生視頻模型 Sora ，可以生成長達分鐘級別的高質量視頻。

從官方示例上看，生成的視頻效果確實驚艷。Sora 可以生成寬屏 1920x1080 視頻、垂直 1080x1920 視頻以及介于兩者之間的所有視頻。

Sora 技術報告：https://openai.com/research/video-generation-models-as-world-simulators

Sora 的主要特點如下：

60s 超長長度

在一眾 AI 視頻，還掙扎在4s連貫性的邊緣，OpenAI 直接說：勞資支持 60s，都 TM 跪下。

Runway 是 18s，Pika 最開始是 3 秒，Sora 抬手就是 60s，見面就貼臉放大招

圖片

單視頻多角度鏡頭

想象一下，以前的電影或視頻制作就像是用一個相機拍攝一整個故事，你只能看到一個角度。

木川AI編程

但是現在，就像是有一堆不同的相機，可以從不同的角度來拍攝同一個場景。

而且厲害的地方在于，主角或物體在不同的角度切換時，看起來還是一樣的，不會感覺怪怪的。

，時長00:59

Sora 就好像是一個超級聰明的導演，只需要給他一個簡短的提示，他就能在一分鐘內制作出一個有很多不同角度的視頻，而且每個角度看起來都很自然。

這對于以前來說簡直是不可思議的，就好像魔法一樣！

世界模型

“先記憶，再預測” 這種理解世界的方式，是人類理解世界的方式。這種方式有個名字，叫世界模型。

最最最可怕的一點來了，Sora身上，竟已經有了世界模型的雛形？

通過觀察大量數據，它竟然學會了許多關于世界的物理規律。

世界模型就像是你的大腦里有一張地圖，上面標著你家、學校、公園等地方。這張地圖幫助你知道周圍的環境，讓你知道該去哪里，怎么走。

對于電腦或機器來說，它們也可以有一種類似的東西，叫做世界模型。這就是它們對周圍世界的一種想象和理解方式，讓它們能夠知道周圍有什么東西，發生了什么事情。這有助于它們更聰明地處理任務，就像你用地圖找到正確的路一樣。

舉個例子：當你拿起一杯咖啡時，大腦先通過以前的經驗和記憶知道咖啡杯的典型重量。這個經驗就是世界模型的一部分。你的大腦會根據這個模型，預測需要用多大的力去抓住杯子。這種預測是在潛意識中進行的，你不需要刻意去思考。

OpenAI 最終想做的，其實不是一個“文生視頻”的工具，而是一個通用的“物理世界模擬器”。也就是世界模型，為真實世界建模。