腾讯科技拆解Sora技术报告

OpenAI发布的视频大模型Sora在科技界引起广泛关注和讨论。Sora的强大之处在于它能够根据文本提示生成长达60秒的连贯视频，这在技术上是一个巨大的突破，因为它大幅超越了行业内现有的视频生成能力。

Sora的关键特点

1. 文本到视频生成能力：根据文本描述生成长达60秒的高质量视频，展现了其在理解和转换文本到动态视觉内容方面的高效能力。
2. 复杂场景和角色生成：能够生成复杂的场景和角色，包括精确的主题、背景细节和角色表情，提高了视频的逼真度和叙事效果。
3. 深入的语言理解：Sora展现出深入的语言理解能力，能够生成表达丰富情感的角色，准确反映用户的文本指令。
4. 多镜头生成能力：能够在单个视频中创建多个镜头，保持视觉风格和角色一致性，适用于需要多视角展示的内容。
5. 从静态图像到视频的生成：不仅能从文本生成视频，还能从静态图像动画化或扩展现有视频。
6. 物理世界模拟：模拟真实世界的物理运动，如物体移动和相互作用，展示了AI对现实世界场景的深入理解。

业界反响

• Elon Musk表示，AI增强的人类将创造出未来最好的作品，认为Sora的技术将推动艺术创作的革新。

  

• Nvidia的Jim Fan认为Sora不仅是一个生成工具，而是一个数据驱动的物理引擎，强调了其在模拟物理世界方面的潜力。

  

• YouTube大V Paddy Galloway认为Sora将改变内容创作行业，尤其是对动画师和3D艺术家的工作带来冲击。

  

• Takeoff AI的创始人预见Sora将推动虚拟现实领域的发展，使得创建完全沉浸式的世界成为可能。

• Gary Marcus指出Sora的物理故障显示了系统性的偏差，这可能是技术发展中需要解决的问题。

最后

Sora的发布不仅预示着视觉叙事时代的到来，也展示了AI技术在理解和创造复杂场景和故事方面的巨大潜力。它可能会对内容创作、娱乐产业乃至教育和科研领域产生深远影响。

想了解如何利用RPA+AI打造图文工厂 扫描下方二维码加入星球