计算机：OpenAI Sora模型发布，视频生成技术迎来突破性升级

事件概述
OpenAI于2月15日发布SoraAI视频生成模型，实现文本生成60秒1080P高质量视频，包含复杂场景、生动表情和动态镜头，标志着文本生成视频技术的重大突破。

模型亮点

• 视频时长：最长可达1分钟，远超其他模型（如Pika1.0最高3秒，RunwayGen2最高18秒）。
• 多角度镜头：单视频中支持同一角色的多角度切换（中、近、远景），保持外观一致性。
• 3D一致性：支持摄像机动态运动，人物和场景元素在3D空间中保持位置逻辑。
• 视频拓展：可向前或向后连接视频，实现无缝过渡。
• 数字世界模拟：能模拟人工过程，如高保真渲染视频游戏场景。

技术实现

• 基于扩散模型和Transformer架构，将视频分解为“视频补丁”（类似GPT的Token）进行训练。
• 引入DALL·E3提升文本语义理解，通过描述性字幕增强视频质量。

局限性

• 无法准确模拟部分物理交互（如玻璃碎裂、食物变化）。
• 长时间样本中可能出现一致性或物体自发出现等问题。

应用展望

• 文生视频或成为多模态大模型发展方向，降低短剧制作成本，向影视、自媒体、游戏等领域渗透。
• 展示AI模拟物理世界的能力，或推动通用人工智能（AGI）发展。

风险提示

• 行业竞争加剧、金融科技发展不及预期。