产品介绍

Sora，Openai文字转视频模型，Sora是一种扩散 AI 模型，与 ChatGPT 一样，它使用 Transformer 架构，该模型旨在允许网络用户仅通过文本提示生成高质量的 AI 视频。Sora 可以根据文字提示生成长达 60 秒的高清视频，而且视频能包含高度详细的场景，给定简短或详细的描述或静止图像，Sora 可以生成具有多个角色、不同类型的和背景细节的 1080p 电影般的场景。

主要功能

• 三维空间的连贯性：Sora可以生成带有动态相机的视频。随着相机移动和旋转，人物和场景元素在三维空间中保持连贯的。
• 模拟数字世界：Sora还能模拟人工过程，如视频游戏。Sora能够同时控制Minecraft中的玩家，并高保真地渲染游戏世界及其动态。通过提及“Minecraft”的提示，可以零样本地激发Sora的这些能力
• 长期连续性和物体持久性：对视频生成系统来说，Sora通常能够有效地模拟短期和长期的依赖关系。同样，它能在一个样本中生成同一角色的多个镜头，确保其在整个视频中的外观一致。
• 从文本指令生成视频：Sora能够仅从文本指令生成视频，也可以从现有的静止图像生成视频，准确并详细地动画化图像内容。
• 与世界互动：Sora有时能够模拟对世界状态产生简单影响的行为。例如，画家可以在画布上留下随时间持续的新笔触，或者一个人吃汉堡时留下咬痕。
• 视频扩展和填充：模型还能够扩展现有视频或填充缺失帧，进一步提高了其在视频编辑和创作方面的应用潜力。

功能特征

• Sora是一个扩散模型，能够“生成具有多个角色、特定类型的以及主题和背景的准确细节的复杂场景”。
• Sora 将能够理解提示的细微差别以及各种物体在物理世界中的行为方式。
• Sora 还可以一次生成整个视频，而不是逐帧创建。这有助于避免其他方法的挑战——确保一个主题即使暂时消失在视野之外也能保持不变。