我们最新的视频生成模型在物理准确性、真实感和可控性方面均超越前代系统，还具备同步对话与音效功能。你可在全新Sora应用中使用它进行创作。
今日，我们正式发布旗舰级视频与音频生成模型Sora 2。
2024年2月推出的初代Sora模型，在诸多方面堪称视频领域的“GPT-1时刻”——这是视频生成技术首次让人觉得“真正可行”，物体恒存性等基础特性也随着预训练计算规模的扩大而得以实现。从那以后，Sora团队便致力于训练具备更先进世界模拟能力的模型。我们认为，此类系统对于训练能深度理解物理世界的AI模型至关重要。而实现这一目标的重要里程碑，便是掌握大规模视频数据的预训练与后训练技术——相较于语言领域，这两项技术目前仍处于起步阶段。
提示词：花样滑冰运动员完成三周半跳，头顶上还顶着一只猫
Sora 2的推出，让我们直接迈入了我们所认为的“视频领域GPT-3.5时刻”。Sora 2能够完成前代视频生成模型极难实现——在某些情况下甚至完全无法实现——的任务：比如生成奥运会体操动作、在桨板上完成后空翻（能精准模拟浮力与刚性动力学原理），以及运动员完成三周半跳时猫咪拼命抓牢的场景。
提示词：一名男子完成后空翻
前代视频模型存在“过度乐观”的问题：为了完成文本提示的任务，它们会让物体变形、扭曲现实。例如，若篮球运动员投篮未中，篮球可能会突然“瞬移”进篮筐。而在Sora 2中，若篮球运动员投篮未中，球会从篮板上弹回。有趣的是，该模型所犯的“错误”，往往类似于Sora 2隐式模拟的“内部智能体”所犯的错误；尽管仍不完美，但相较于前代系统，它在遵循物理定律方面已有显著进步。对于任何实用的世界模拟器而言，这都是一项至关重要的能力——你不仅要能模拟“成功”，更要能模拟“失败”。
该模型在可控性方面也实现了巨大飞跃，能够遵循跨多个镜头的复杂指令，同时精准保持世界状态的一致性。它在真实风格、电影级风格以及动漫风格的生成上均表现出色。
提示词：《维京出征——北海启航》（时长10.0秒，冬日微凉日光/中世纪早期风格）……
作为一款通用型视频-音频生成系统，它能够创建复杂的背景音景、语音和音效，且真实度极高。
提示词：两名山地探险者穿着亮色专业冲锋衣，脸上结着冰霜，眼神急切地眯起，在雪地中依次呼喊
你还可以将现实世界的元素直接“注入”Sora 2。例如，通过上传我们某位团队成员的视频，该模型能将此人植入任何Sora生成的场景中，且对其外貌和声音的还原度极高。这项能力具有很强的通用性，适用于任何人、动物或物体。
提示词：大脚怪对他非常友好，友好得有些过分，甚至有点诡异。大脚怪想和他待在一起，但它的“黏人程度”实在太高了
当然，该模型远非完美，仍会出现不少错误，但这也证明：通过扩大神经网络在视频数据上的训练规模，我们将更接近“模拟现实”的目标。
Sora 2的部署
在研发通用型模拟器以及能在物理世界中运行的AI系统的道路上，我们认为，人们在使用我们沿途开发的这些模型时，能获得诸多乐趣。
几个月前，Sora团队就开始测试“上传自己”这一功能，大家都玩得不亦乐乎。这种体验仿佛是沟通方式的自然演进——从短信到表情包，再到语音消息，如今又迎来了这一新形态。
因此，今日我们正式推出一款全新的iOS社交应用，名称就叫“Sora”，由Sora 2提供技术支持。在该应用内，你可以创作内容、对他人生成的内容进行再创作、在可自定义的Sora信息流中发现新视频，还能通过“客串”功能将自己或朋友“带入”场景。开启“客串”功能后，你只需在应用内完成一次简短的视频和音频录制（用于身份验证及捕捉你的外貌特征），就能以极高的还原度将自己直接植入任何Sora场景中。
上周，我们已在OpenAI内部向所有员工推出了这款应用。我们已收到同事们的反馈，称正是凭借这一功能，他们在公司结识了新朋友。我们认为，围绕“客串”功能打造的社交应用，是体验Sora 2神奇之处的最佳方式。
负责任地推出
我们深知，用户对“无意义刷流”、成瘾、社交孤立以及“强化学习优化信息流”（RL-sloptimized feeds）的担忧日益加剧——以下是我们为此采取的应对措施。
我们为用户提供了工具和自主选择空间，让用户能掌控自己在信息流中看到的内容。借助OpenAI现有的大型语言模型，我们开发了全新类别的推荐算法——这类算法可通过自然语言进行指令控制。同时，我们还内置了相关机制，会定期询问用户的使用体验，并主动为用户提供调整信息流的选项。
默认情况下，我们向你展示的内容会严重倾向于你关注或互动过的用户，同时优先推荐模型认为你最有可能用作创作灵感的视频。我们的优化目标并非“用户在信息流中的停留时间”，相反，我们在设计这款应用时，明确以“最大化创作”而非“最大化消费”为核心。更多细节可参考我们的《信息流理念》（Feed Philosophy）文档。
这款应用旨在让你与朋友共同使用。测试者的绝大多数反馈显示，“客串”功能是让这款应用显得与众不同且充满乐趣的关键——你必须亲自体验才能真正理解它的魅力，但它确实为人际沟通带来了一种全新且独特的方式。我们目前采用“邀请制”推出这款应用，确保你能与朋友一同体验。如今，所有主流平台都在逐渐弱化“社交关系图谱”，而我们认为，“客串”功能将能强化社群联结。
保护青少年用户的健康成长对我们而言至关重要。我们为青少年用户设置了默认限制，规定其每日在信息流中可查看的生成内容数量；同时，针对该群体，我们在“客串”功能上也设置了更严格的权限。除了自动化安全系统外，我们还在扩大人工审核团队的规模，以便在出现霸凌行为时能快速处理。此外，我们还通过ChatGPT推出了Sora家长控制功能（Sora parental controls）——家长可通过该功能取消无限滚动限制、关闭算法个性化推荐，以及管理私信设置。
在“客串”功能中，你对自己的形象在Sora中的使用拥有全程控制权。只有你能决定谁可以使用你的“客串”形象，你也可以随时撤销访问权限或删除包含该形象的任何视频。包含你“客串”形象的视频（包括他人创建的草稿），你随时都能查看。
在这款应用的开发过程中，我们解决了诸多安全相关问题——包括形象使用的知情同意、内容溯源、防止生成有害内容等。更多细节可参考我们的《Sora 2安全文档》（Sora 2 Safety doc）。
其他应用的许多问题，根源在于其盈利模式会促使平台做出与用户利益相悖的决策。坦率地说，我们目前唯一的计划是：若未来需求远超可用计算资源，最终会为用户提供“支付少量费用以额外生成视频”的选项。随着应用的发展，我们会公开告知这方面的任何策略调整，同时始终将用户利益作为核心目标。
我们的探索才刚刚开始，但凭借Sora 2所具备的强大创作与内容再创作能力，我们认为这标志着“协同创作体验”全新时代的开启。我们乐观地认为，相较于目前市面上的平台，Sora将成为一个更健康的娱乐与创作平台。希望大家能玩得开心！
Sora 2的可用性及后续规划
Sora iOS应用现已开放下载。你可在应用内注册，以便在账号获得访问权限时收到推送通知。我们今日首先在美国和加拿大启动初始推出计划，并计划尽快扩展到更多国家和地区。获得邀请后，你还可通过sora.com访问Sora 2。
Sora 2初期将免费提供，且初始使用限额较为宽松，方便大家自由探索其功能——不过这些限额仍会受计算资源约束。ChatGPT Pro用户还可在sora.com上使用我们的实验性高阶模型Sora 2 Pro（不久后也将在Sora应用中上线）。我们还计划通过API开放Sora 2的使用权限。Sora 1 Turbo将继续提供服务，你此前创建的所有内容也将继续保存在你的sora.com库中。
视频模型的发展速度极快，性能也在飞速提升。通用型世界模拟器与机器人智能体将从根本上重塑社会，并加速人类进步的进程。Sora 2的推出，标志着我们在这一目标上取得了重大进展。秉承OpenAI的使命，确保人类能从这些模型的发展中获益，是我们的重要责任。我们相信，Sora将为世界带来更多欢乐、创造力与联结。
——Sora团队著
文章来自于：Sora 2 is here
AI 速览
