新智元報道

編輯：艾倫 桃子

【新智元導(dǎo)讀】凌晨1點，OpenAI突然扔出Sora 2核彈，AI視頻迎來「GPT-3.5時刻」！一大批驚艷Demo放出，物理智能提升一大截，首次實現(xiàn)音畫同步，人物一致性、可控性刷新SOTA。但最絕的還是Sora App，它的問世，或?qū)氐字厮芏桃曨l社交媒體的交互邏輯與社區(qū)互動方式。

實屬沒想到，Sora 2深夜炸場！

剛剛，OpenAI直播正式官宣新一代AI視頻模型——Sora 2，正面狙擊谷歌Veo 3。

它在物理準(zhǔn)確性、逼真度上，一舉刷新SOTA，并在一致性、可控性上實現(xiàn)了巨大飛躍。

值得一提的是，Sora 2首次實現(xiàn)「音畫同步」。

奧特曼發(fā)長文激動地表示，「創(chuàng)意領(lǐng)域的ChatGPT時刻來臨」！

人類創(chuàng)造力即將迎來一次寒武紀(jì)大爆發(fā)，隨之而來的藝術(shù)和娛樂質(zhì)量，也將大幅提升。

突然間，創(chuàng)作天地變得無比開闊，令人印象非常深刻。

他還特意強調(diào)了一個創(chuàng)意玩法——把自己和朋友們放進視頻里，效果好玩到炸！

這不，奧特曼拿著大話筒，直呼「10am PT.開啟直播」。

而且，他還和Sora團隊負(fù)責(zé)人Bill Peebles用Sora 2，直接拍了一部官宣2分鐘視頻，效果極其震撼。

令人意外的是，人物角色的一致性非常高，看來我們離好萊塢級大片不遠(yuǎn)了。

正如爆料所言，Sora首個App正式解禁，在iOS端可直接下載。安卓用戶，需通過sora.com訪問。

Sora 2出世，視頻GPT-3.5時刻來臨

說到AI視頻生成，過去總有種「夢里啥都有」的感覺——籃球瞬移進筐、人物剛剛還在左邊，下一幀就冒出來個分身。

技術(shù)進步快沒錯，但「假」也總是藏不住。

直到Sora 2推出，第一次讓人覺得，AI終于開始尊重物理和常識，生成世界不再是「隨便編編」，而是真能照進現(xiàn)實。

2024年2月，Sora首次放出，堪稱視頻界的「GPT-1時刻」！這是首次，讓所有人看到視頻生成真的可用了。

過去半年，OpenAI團隊死磕「如何讓模型真正學(xué)會模擬實際運行」這個關(guān)鍵，如今終于取得重大突破。

基于海量視頻數(shù)據(jù)的預(yù)訓(xùn)練和后訓(xùn)練技術(shù)，Sora 2的高光時刻降臨。

正如官博所言，Sora 2開啟了「視頻領(lǐng)域的GPT-3.5 時刻」！

接下來，具體看看Sora 2歷經(jīng)一年多，究竟取得了哪些重大突破？

AI穿幫，終于被揪出來了

最讓人感慨的，是Sora 2在物理細(xì)節(jié)上的進化。

別小看這個點，比如你讓它生成人投籃，舊模型為了「滿足」指令，球會強行飛進籃筐（哪怕角度完全不合理）；

現(xiàn)在的Sora 2，球打板彈開、甚至投丟都成常態(tài)，動作有慣性、受力和材質(zhì)都說得通。

頭頂一只貓咪并完成三周半跳？奧運冠軍能否做到尚未可知，但Sora認(rèn)為完全不在話下。

Prompt: figure skater performs a triple axle with a cat on her head

被業(yè)界封為「AI體操界的圖靈測試」，Sora 2一次性就通過了。

Prompt: a gymnast flips on a balance beam. cinematic

就連這種不符合邏輯的奇葩操作：一名男子騎在一匹馬背上，而這匹馬又騎在另一匹馬背上，Sora 2也能以意想不到方式完成。

Prompt: a man rides a horse which is on another horse

槳板上的后空翻也不是P上去的，而是力學(xué)能自洽地演繹。

Prompt: a man does a backflip on a paddleboard

你甚至能感受到角色的失誤、嘗試、掙扎，而不是一味「全都對」。

有點像在看小型紀(jì)錄片——會成功，但也會失敗。

Prompt: Title — Lanterns Above, Distance Between (10.0s, Live Action Black & White Festival Night)

Sora 2還能生成各類復(fù)雜環(huán)境聲，效果十分驚艷，幾乎聽不出AI生成的痕跡。

Prompt: Two mountain explorers in bright technical shells, ice crusted faces, eyes narrowed with urgency shout in the snow, one at a time

「世界模擬器」這詞，終于有點底氣了。

多鏡頭、多風(fēng)格，連貫成片不是夢

以前你讓AI連續(xù)生成幾個鏡頭，角色的衣服總莫名其妙換了、光線亂飄、道具沒了。

Sora 2這次特別強調(diào)「世界狀態(tài)」連續(xù)性——哪怕你讓角色從廚房走到陽臺，鏡頭切換時陽光、服飾、甚至地上灑的水都能一氣呵成，不再穿幫。

你還可以像導(dǎo)演一樣指定每個鏡頭的順序、節(jié)奏、景別變化，把握故事節(jié)奏。

風(fēng)格上，它已經(jīng)能寫實、能做電影質(zhì)感；

Prompt: Vikings Go To War — North Sea Launch (10.0s, Winter cool daylight / early medieval)

甚至連日漫那種「超現(xiàn)實高燃」也能做得行云流水。

比如生成一場刀光劍影的動漫打斗，每一幀都能讓二次元粉感嘆「這比PPT流暢多了」。

還有曾經(jīng)爆火全網(wǎng)的吉卜力風(fēng)格，Sora 2在生成效果上也能拿捏。

Prompt: in the style of a studio ghibli anime, a boy and his dog run up a grassy scenic mountain with gorgeous clouds, overlooking a village in the distant background

而且音頻直接跟上，不僅對白和口型對齊，連環(huán)境音、動作聲效都隨場景變化，給人一種「拿來即用」的感覺，省去后期剪輯音頻的繁瑣。

就比如，一位年長的教授可以英語無縫切換德語講話。

Prompt: old professor talks in english then german

更多Sora 2官方驚艷Demo一覽：

左右滑動查看

新玩法：Sora App 讓你「投影」自己進故事

除了模型本身，這次最讓人感到「時代變了」的，是全新iOS 社交App——Sora。

打開App，只需要錄一小段帶聲音的視頻，系統(tǒng)驗證身份和采集形象后，你或朋友，馬上就能把你的樣子和聲音準(zhǔn)確「扔進」任意生成場景：

可以讓自己出現(xiàn)在巴黎鐵塔前開派對、和熊貓打乒乓，甚至和馬斯克同框唱歌（當(dāng)然，公眾人物暫時不支持哈）。

Sora 2可以直出一只鴕鳥叼走男子的帽子，在農(nóng)場里奔跑的視頻，效果非常自然，讓人辨別不出這是AI生成的。

Prompt: an ostrich steals dads hat and dad chases after it

更令人驚喜的是，在Sora 2中還能賦予一個人「超能力」——飛起來，一個Prompt就可實現(xiàn)。

這個功能還用于Sora App，帶來了一種全新的社交互動方式。

Prompt: Add @kendra except she can actually fly

「狗超人」拯救人類的劇情，在Sora 2中上演了。

Prompt: @rocket is a superpowered superhero dog, flying through the sky and saving new york city

還有更多的驚艷Demo，以第一視角帶你暢玩。

左右滑動查看

這個「Cameo」功能用一次就停不下來，很多OpenAI內(nèi)測員工說靠它結(jié)識了新朋友，AI不止能生成內(nèi)容，還能創(chuàng)造社交紐帶。

Sora的分發(fā)邏輯也頗有趣：推薦更偏向于「有二創(chuàng)價值」的視頻，而不是單純讓你無腦刷時長。

你可以用自然語言告訴系統(tǒng)想看什么類型、什么風(fēng)格、哪種故事，算法會主動調(diào)整推薦。

起步是邀請制，先在美加上線，后續(xù)很快擴展。

拿到邀請碼還能上sora.com網(wǎng)頁體驗，高質(zhì)量Pro版則專屬ChatGPT Pro用戶。

歷史作品不會丟，API也在路上。

全網(wǎng)實測震撼

提前拿到內(nèi)測資格的開發(fā)者，已經(jīng)放出諸多Sora 2的震撼demo。

@Miguel | AP直言，Sora是自己見過第一個，可以把動漫效果做到很到位的AI視頻模型。

再來看Sora 2極致運鏡效果，從近拉到遠(yuǎn)，完全沒有違和感。

還有人體驗后驚艷地表示，我非常確定我們已進入一個社交媒體新時代！

漫雪紛飛中，一對情侶在跳舞。

還有OpenAI研究員@gabriel，也在第一時間公開了一些「奧特曼參演劇情」的demo。

奧特曼本尊，正竊取用于Sora推理的GPU。

安全與治理：不是喊口號，是真上心

能力強了，風(fēng)險也大了。

Sora 2在每一個環(huán)節(jié)都布下「安全網(wǎng)」：

• 三層審核：文本提示、上傳素材、視頻逐幀、自動生成的場景描述和音頻轉(zhuǎn)寫，全流程分層分類攔截。有些內(nèi)容在輸入就會被攔，有的生成完還要二次封堵，尤其未成年場景嚴(yán)上加嚴(yán)。

• 肖像權(quán)與公眾人物保護：剛上線時，禁止用別人的視頻做「換臉」，不支持生成公眾人物。只有你自己驗證授權(quán)后，別人才可以用你的形象做視頻，所有涉及你形象的作品你都能查到、撤回。

• 青少年守護：青少年賬號內(nèi)容和Cameo權(quán)限都有限制，家長可以通過ChatGPT平臺控制推薦、管理私信甚至關(guān)掉個性化推薦。

• 可追溯性：視頻下載會帶動態(tài)水印，所有內(nèi)容都嵌入行業(yè)標(biāo)準(zhǔn)元數(shù)據(jù)。官方還開發(fā)了檢測工具，方便未來判斷「是不是AI造的」。

• 壓力測試：在成人內(nèi)容、極端主義、自傷、暴力、誤導(dǎo)性政治等維度，都有專門評測和紅隊攻防。對違規(guī)攔截率、誤殺率的數(shù)據(jù)都透明公布，核心指標(biāo)大多在95-99%區(qū)間。

核心團隊介紹

在Sora 2官博最后，OpenAI放出了所有參與的成員名單，陣容超豪華。

在這份「電影謝幕工作人員表」中，OpenAI的幾乎所有員工都被拉出來謝幕。

而為我們帶來這場如夢如幻的電影的「總導(dǎo)演」，也就是Sora負(fù)責(zé)人Bill Peebles。

他是一名95后，本科畢業(yè)于MIT計算機專業(yè)，后于加州伯克利取得計算機博士學(xué)位。

他曾先后在英偉達(dá)、Adobe、Meta的AI崗實習(xí)，博士畢業(yè)后直接加入了OpenAI，工作的最大業(yè)績是Created Sora（創(chuàng)造出了Sora）。

字越少事越大，言簡意賅。

下一步：從玩內(nèi)容到「世界模擬」

OpenAI說，Sora 2不會是終點。

OpenAI坦言它還會犯錯，但路線已經(jīng)明朗：繼續(xù)用更多、更高質(zhì)量的視頻數(shù)據(jù)喂養(yǎng)模型，世界模擬的準(zhǔn)確性和細(xì)節(jié)感會越逼真。

這個進化帶來的不僅僅是讓你玩得爽，更會影響影視廣告、動畫分鏡、教育科普、產(chǎn)品演示，甚至是未來AI機器人「在現(xiàn)實世界里學(xué)本事」。

當(dāng)然，這也意味著欺詐、非自愿肖像、青少年保護等問題會更加突出，需要靠技術(shù)、產(chǎn)品、社區(qū)和政策一起盯著。

你想把自己「丟」進哪個世界？

Sora 2這一波，是真正把視頻生成從「像不像」推向「合不合理」，物理邏輯、鏡頭控制、音畫同步、可玩性和安全性全線升級；

Cameo則把創(chuàng)作從「看別人」變成「玩自己」，讓每個人都能成為主角。

不妨現(xiàn)在就想想：如果有30秒，讓你出現(xiàn)在任何場景，你最想玩點啥？

是和偶像穿越打怪，還是帶寵物環(huán)游地球，或者干脆做自己的動漫主角？

歡迎在評論區(qū)留言告訴我們你的第一條Sora 2創(chuàng)意。

下一個出圈的爆款視頻，也許就來自你手里的Sora。

參考資料：

https://openai.com/index/sora-2/

https://openai.com/index/sora-2-system-card/

https://cdn.openai.com/pdf/50d5973c-c4ff-4c2d-986f-c72b5d0ff069/sora_2_system_card.pdf

https://www.youtube.com/watch?v=gzneGhpXwjU