主打社交应用，OpenAI发布视频生成模型Sora2，开启全新互动体验

从Sora到Sora 2，视频生成的新纪元

2024年2月，OpenAI推出的Sora模型被誉为视频生成领域的“GPT-1时刻”，它首次让视频生成展现出惊艳的效果，物体持久性等基础能力通过扩展预训练计算能力得以实现。如今，OpenAI再次突破技术边界，重磅推出Sora 2，被认为是视频生成领域的“GPT-3.5时刻”。

而本次Sora 2视频的宣传片，直接采用 OpenAI CEO 原型来生成视频，把效果简直拉满了。Sora 2不仅大幅提升了视频生成的质量和真实感，还在物理世界模拟、可控性和多模态生成方面实现了质的飞跃。

Sora 2的核心亮点：更真实的物理世界模拟

与前代模型相比，Sora 2在世界模拟能力上取得了突破性进展。它能够精准模拟复杂的物理动态，例如：

奥运会级别的体操动作：从桨板上的后空翻到猫咪抓物的三周半跳，Sora 2能够细腻呈现浮力和刚度等物理特性。

真实的失败场景：以往的视频生成模型往往“过于乐观”，会自动修正错误（如投篮不中自动变成命中）。Sora 2则不同，如果篮球运动员投篮不中，球会真实地从篮板反弹，遵循物理定律。这种“模拟失败”的能力对于构建真实世界模拟器至关重要。

隐式智能体行为：Sora 2的“错误”更像是内部智能体基于物理规律的自然反应，而非模型的缺陷，展现出更高的真实感和逻辑性。

这些特性让Sora 2不仅仅是视频生成工具，更是一个接近现实世界的通用模拟器，为未来AI理解物理世界奠定了基础。

强大的可控性与多风格生成

Sora 2在可控性和风格多样性上也令人惊叹：

• 多镜头复杂指令：Sora 2能够精确执行跨越多个镜头的指令，同时保持世界状态的一致性，无论是写实风格、电影风格还是动漫风格，都游刃有余。

• 多模态生成：作为一个通用的视频音频生成系统，Sora 2不仅能生成高质量的视频，还能创建逼真的背景音景、语音和音效，打造沉浸式体验。

• 现实元素注入：通过“客串”功能，用户可以上传自己的音视频片段，Sora 2能够将其精准融入任何生成场景，无论是人类、动物还是物体，都能以惊人保真度呈现。

这些功能让Sora 2成为一个高度灵活的创作工具，适用于从个人娱乐到专业影视制作的多种场景。

Sora 2的社交应用：开启全新互动体验

为了让用户更直观地体验Sora 2的魅力，OpenAI推出了一款全新的Sora iOS社交应用，以“客串”功能为核心亮点：

• 创作与混搭：用户可以在应用中创作视频、混搭彼此的创作风格，甚至在可自定义的Sora动态中发现新内容。

• 客串功能：只需录制一段简短的音视频，Sora 2就能将用户或好友精准融入任何场景，带来前所未有的互动体验。

• 社交连接：OpenAI内部测试显示，这款应用帮助员工结识新朋友，展现了其作为新型沟通方式的潜力。

目前，Sora iOS应用已在美国和加拿大上线，计划快速扩展到其他国家和地区。用户可通过应用内注册获取访问权限，并可在sora.com上使用Sora 2。值得一提的是，ChatGPT Pro用户还能体验实验性的Sora 2 Pro模型，享受更高质量的生成效果。

免费体验与API支持

• 免费使用：Sora 2初期将免费开放，限制较为宽松，让用户可以自由探索其功能。

• 持续可用性：Sora 1 Turbo将继续可用，用户在sora.com上的创作内容也将保留。

• API支持：OpenAI计划在API中发布Sora 2，为开发者提供更多创作可能性。

尽管Sora 2仍有一些不完美之处，但其表现已足以证明：通过进一步扩展视频数据的神经网络训练，我们离模拟现实的目标越来越近。

Sora 2不仅是视频生成技术的里程碑，更是一个通向通用世界模拟器和智能机器人代理的重要步骤。它将深刻改变内容创作、社交互动乃至整个社会的运作方式。正如OpenAI的使命所述，Sora 2将为世界带来无限的欢乐、创造力和连接。

更多transformer，VIT，swin tranformer
参考头条号：人工智能研究所
v号：人工智能研究Suo, 启示AI科技

 动画详解transformer  在线视频教程