OpenAI Sora 2 发布

OpenAI 宣布推出 Sora 2，这是一款旗舰级视频和音频生成模型，旨在作为更精确的世界模拟器。Sora 2 在前代基础上提升了物理真实感、增强了可控性，并集成了同步的对话和音效。

高级世界模拟与物理精度

Sora 2 的设计旨在更好地遵守物理定律，减少以往视频模型中出现的“过度乐观”现象——即对象会变形或瞬移以满足提示。该模型现在能够准确模拟复杂动力学，例如在划水板上做后空翻时的浮力和刚性，或投篮未中后篮球从篮板弹回的过程。

OpenAI 将此进展描述为视频领域的“GPT-3.5 时刻”，它超越了原始 Sora 模型的基本对象永久性，迈向能够模拟失误和真实物理交互的系统。这一能力被视为打造深度理解物理世界的 AI 系统的关键一步。

多模态能力与可控性

• 集成音频：模型能够生成高度真实的复杂背景音景、语音和音效。
• 增强可控性：Sora 2 能在多个镜头中遵循复杂指令，同时保持一致的世界状态。
• 风格多样性：模型在电影、写实和动漫风格上表现出色。
• 真实世界注入：用户可以通过提供参考视频，将真实人物、动物或物体插入生成的环境中，使模型能够准确呈现外观和声音。

Sora 社交应用与“角色”

为部署 Sora 2，OpenAI 正推出一款名为 “Sora” 的 iOS 社交应用。该应用的核心功能是 “角色”，用户可以通过一次性的视频和音频录制创建自己的或朋友的数字化肖像。这些角色随后可以以高保真度放入任何 Sora 生成的场景中。

该应用旨在优先创作而非消费，提供由自然语言可指令的推荐算法驱动的可自定义信息流。用户可以通过基于大语言模型的指令和定期的健康调查来控制信息流。

安全与责任框架

• 肖像控制：用户对其角色拥有端到端的控制权，包括撤销访问权限或删除任何包含其肖像的视频的能力。
• 青少年保护：该应用对青少年在信息流中每日可观看的生成数量设有默认限制，拥有更严格的角色权限，并通过 ChatGPT 管理家长控制。
• 内容审核：除了自动安全系统外，OpenAI 正在扩大人工审核团队，以审查欺凌和有害内容。
• 变现：OpenAI 表示其当前计划仅限于在计算需求高峰期间提供付费的额外视频生成选项，明确避免使用旨在延长信息流停留时间的模型。

可用性与访问

Sora 2 正通过邀请制在美国和加拿大开始推出。访问方式包括 Sora iOS 应用和 sora.com。

• 免费层：最初免费提供，拥有慷慨的使用限制，但受计算资源约束。
• Sora 2 Pro：一款实验性的高质量模型，向 sora.com 上的 ChatGPT Pro 用户开放，未来也将在应用内提供。
• API 访问：OpenAI 计划未来通过 API 发布 Sora 2。Sora 1 Turbo 仍对现有用户可用。