新德里，2月16日:聊天工具制造商OpenAI发布了Sora，这是一种新的文本转视频模型，可以生成长达一分钟的视频，同时保持视觉质量并遵守用户的提示。Sora是一个扩散模型，它从一个看起来像静态噪声的视频开始，然后通过许多步骤去除噪声来逐渐改变它。

　　该公司表示:“Sora能够一次生成完整的视频，也可以扩展生成的视频，使其更长。”除了能够完全根据文本指令生成视频外，该模型还能够获取现有的静止图像并从中生成视频，“精确地将图像内容动画化，并关注小细节”。

　　与GPT模型类似，Sora使用变压器架构，解锁卓越的缩放性能。该公司表示，它正在向“红队(领域专家)提供Sora，以评估关键领域的危害或风险”。OpenAI在一份声明中表示:“我们还允许一些视觉艺术家、设计师和电影制作人获得反馈，以了解如何推进该模型，使其对创意专业人士最有帮助。”

　　Sora将能够生成具有多个角色、特定类型的运动以及精确的主题和背景细节的复杂场景。OpenAI表示:“这个模型不仅能理解用户在提示中提出的要求，还能理解这些东西在现实世界中的存在方式。”

　　Sora还可以在一个生成的视频中创建多个镜头，准确地保留角色和视觉风格。然而，该公司承认，目前的模式有其自身的弱点。“它可能难以准确地模拟复杂场景的物理，也可能无法理解因果关系的具体实例。例如，一个人可能咬了一口饼干，但之后，饼干可能没有咬痕，”OpenAI解释说。

　　该公司进一步表示，在将Sora应用于OpenAI的产品之前，它将采取重要的安全措施。“我们正在与红队合作，红队是错误信息、仇恨内容和偏见等领域的专家，他们将对该模型进行对抗性测试。我们还在开发一些工具来帮助检测误导性内容，比如一个检测分类器，它可以分辨出视频是何时由Sora生成的。”