2024年2月16日，OpenAI发布首个视频生成模型Sora。Sora继承DALL·E3的画质和遵循指令能力，能生成长达1分钟的高清视频。Sora的出现对AI行业的发展具有里程碑意义。从中短期看Sora作为一款具有强劲性能的视频生成模型，将提升视频生成的质量和效率，对影视和游戏等相关行业具有变革作用；从长期看Sora有望成为一款世界模拟器的视频生成模型，为未来发展理解和模拟真实世界的模型奠定基础。
围绕Sora,下面我们从其实现功能、技术路径、算法实现等基本信息入手，了解Sora功能优势及局限；梳理文本视频大模型发展历程及当前代表性文生模型并与其对比，对Sora进行算力预估并对其未来发展影响进行展望，方便读者深入了解这一大模型。根据介绍，Sora使用扩散模型技术，完美继承了DALLE3的画质和遵循指令能力，能够从文本说明中生成长达60秒的视频，并能够提供具有多个角色、特定类型的动作和详细背景细节的场景。借助GPT的能力，Sora能够实现对语言的深入理解，使其能够准确地解释提示词，并生成引人注目的字符来表达充满活力的情感。Sora还能在一个生成的视频中创建多个镜头，体现人物和视觉风格。除文生视频外，Sora还具有更多功能：1)根据图像生成动画；2)在时间上向前或向后扩展视频；3)
编辑输入的视频；4)在两个输入视频之间逐渐进行插值，从而在具有完全不同主题和场景构成的视频之间创建无缝过渡；5)根据文字生成图像。
本文来自知之小站
PDF报告已分享至知识星球，微信扫码加入立享3万+精选资料，年更新1万+精选报告
（星球内含更多专属精选报告.其它事宜可联系zzxz_88@163.com）
