Sora上线系统秒瘫，奥特曼直播第三更网友震翻！拍大片再近AGI

【新智元导读】「鸽」了整整一年的Sora，终于上线了！OpenAI 20分钟的演示展示了视频二合一等多项炸裂的新功能。奥特曼直言：Sora是AGI路线图上的重要里程碑。现在系统已经被网友们挤爆了，新用户间歇性暂停注册。

OpenAI直播第三弹，Sora终于现身了！

才一上线，网页就已经瞬间挤爆。现在，所有新用户注册已经紧急暂停（不定期）。

奥特曼与Sora团队负责人Bill Peebles、研究副总Aditya Ramesh，以及Rohan Sahai、Joey Flynn开启了短短20分钟的在线直播。

相较于2月的原版Sora，他们今天带来了更高级的加速版Sora Turbo。

Sora能生成任意长宽比的视频，分辨率从480p到1080p，时长从5秒到20秒，还可以一次生成多个方向的视频版本，让我们选择其中最理想的一个。

包括文本到视频、图像到视频、视频到视频的功能。

这次，OpenAI着重介绍了Sora的几项功能：Remix（重混）、Re-cut（重新剪辑）、Storyboard（故事板）、Loop（循环）、Blend（混合）以及Style presets（风格预设）。

所有新功能一览：

OpenAI专为Sora设计的全新UI

左右滑动查看

等了大半年，Sora终于不再只是艺术家们的工具，现在所有的ChatGPT Plus/Pro用户皆可使用。

唯一区别是，使用限制不同：Plus用户每个月有50次生成额度，Pro用户可以获得500次快速生成额度（如果选择的分辨率更高，则次数更少）或是无限次慢速生成额度。

奥特曼本人表示，对我来说，Sora最令人兴奋的一点是，它使得与他人共作变得如此容易。这感觉像是一个有趣的全新事物！

它就像视频领域的GPT-1，现在还处于初期阶段，但我已经觉得这个信息流非常吸引人。

Sora团队研究者自豪地表示，突破视觉生成的界限，就是在机器学习和人机交互方面取得突破。

诚如这条读者评论所言：Sora之所以令人激动，不止是因为我们现在在哪里；更重要的，是想象我们的前进方向。可以确信，我们正在经历一个不平凡的年代。

直播20分钟，全程高能

在Library中，我们可以查看视频的所有版本，通过几种不同的方式对此处的视图进行切片。

现场，几位工作人员给我们实测了一把Sora的文生视频功能。

在输入「长毛猛犸象走过沙漠景观」的prompt，等待一段时间后，四个视频就出现了，我们可以选择最理想的那个。

甚至，我们可以把猛犸象变成「机械猛犸」。

只需要通过Remix描述希望视频怎样更改（无论是大的更改，还是希望背景中多一些风或者沙），接下来的工作就可以直接交给Sora。

故事版功能，可以让我们使用时间轴，在整个序列中产生一个包含多个动作的视频。

在其中，我们可以描述环境、角色、想要在特定点发生的动作。在prompt中我们写得越少，Sora就会填充得越多，反之亦然。

比如，我们想要一个美丽白鹤站在小溪里的场景。

在时间轴的开头，我们可以直接设置场景：开始白鹤站着，然后将头进入水中，捉出一条鱼。

在几组动作中，需要给Sora足够的时间来连接这些想法

可以看到，Sora非常准确地理解了研究者的想法。我们还可以使用Re-cut，将其中的片段剪切到新的故事板中，在留白的地方创建其余的片段，比如一个结尾。

接下来是另一个功能。

上传一个灯塔的图像后，它被放入第一张卡片，然后Sora创建了一个全新的卡片。

厉害的地方来了！Sora已经看过了该图像，并且还添加进了关于我们希望图像怎样动的理解。

最终的视频生成效果果然非常好。

最后，研究者再给我们展示了一个大惊喜。

通过Blend功能，Sora甚至还能将两个场景完美地混到同一个视频中，可以理解为这某种维度上粉碎两个视频，然后组成一个新的。

研究者强调说，这是他此前在其他AI视频从未见过的功能！

比如，把猛犸象和机器象混合。

Sora功能全面介绍

足见，Sora具备了令人印象深刻的视频生成能力。

利用Sora，我们不仅可以制作分辨率最高1080p、时长最长 20 秒的各种格式视频，并且还可以通过文本生成新内容，或者增强、重混和融合自己的素材。

此外，通过「精选」和「最新」来查看社区的创作，也可以为自己的新想法提供灵感。

这款模型基于DALL·E和GPT模型丰富的经验而打造，可以为用户提供更强大的讲故事和创意表达工具。

与GPT模型类似，Sora使用Transformer架构，解锁了卓越的扩展性能。

此外，它采用了扩散模型技术，从看似静态噪声的基础视频开始，逐步去除噪声，最终生成完整视频。

值得注意的是，Sora解决了视频生成中的一个关键挑战——主体一致性。

通过让模型同时预测多个帧，确保即使主体暂时消失在视野之外，也能保持一致性。

在数据标注上，Sora核心秘密武器便是DALL·E 3——为视觉训练数据生成高度详细的描述性标注。

因此，训练后的Sora能够以前所未有的精度，遵循用户在生成视频时的文本指令。

Sora的能力远远超出了简单文生视频，它还能将静态图变身动画，添加细节。

它还可以扩展现有视频，或填充缺失的帧。

更令人兴奋地是，Sora作为理解和模拟真实世界的模型基础，被OpenAI视为迈向AGI的关键里程碑。

除了20分钟发布会上的内容，OpenAI在官网上，也放出了新功能的详细介绍和示例。

Storyboard（故事板）

带有关键帧的时间轴，是Sora非常亮眼的新功能。在个人时间轴上，可以组织和编辑独特的视频序列。

注意：不要上传带人物的图像，否则无法生成视频

A vast redlandscape with adocked spaceship in the distance

广袤的红色星球景观中，一艘银光闪闪的宇宙飞船静静停靠在远处

Looking out frominside thespaceship, a spacecowboy standscenter frame

透过宇宙飞船的舷窗向外眺望，一位星际牛仔挺立在画面中央

Detailed close up view of astronaut'seyes framed by aknitted fabricmask

特写镜头下，宇航员深邃的双眼透过织物面罩的框架凝视着前方

Remix（重混）

这个功能，可以让我们替换、删除或重新想象视频中的元素。

比如，我们先生成一个场景——打开通向图书馆的大门。

然后，通过Remix把门更换成法式的门。

再把图书馆变成一艘宇宙飞船。

接着去掉宇宙飞船，加入丛林场景。

最后把丛林换成月球表面。

Re-cut（重新剪辑）

这个功能，能让我们找到并且选中最佳帧，向任一方向延伸。

比如，选出这段「水獭玩球」视频中自己最心仪的那几帧，Sora可以生成在它之前或者之后的帧。

Loop（循环）

通过这个功能，Sora可以修剪并创建无缝的重复视频。

Sora会在开头和结尾中添加大量帧，来将它们连接起来。

左右滑动查看

Blend（混合）

通过这个功能，可以把两个完全不同的视频，融合为一个无缝剪辑。

Style presets（风格预设）

这个功能，可以让我们充分发挥想象力，创建想要的风格。

比如原始视频，是两头猛犸象在雪地里走路的场景。

我们可以将它转换为纸工艺品风。

Earthy tones with muted pastels and pops of color. Soft, diffused lighting enhances handcrafted textures. Everything—characters, objects, and scenery—is transformed into cardboard and paper, complete with visible creases and folds

以大地色调为基础，配以柔和的粉彩色，并点缀上鲜艳的色彩。柔和的环境光勾勒出精致的手工质感。画面中从人物、物件到背景的一切元素，都被重塑成纸板与纸张的质地，呈现出自然的折痕与起伏

档案风。

Shot on 100t film, the image quality is grainy and high contrast, with shallow depth of field and cinematic look, epic and dramatic shot, very nostalgic

采用100T胶片拍摄，呈现独特的颗粒质感和高对比度效果，配合浅景深营造电影感，画面富有史诗感和戏剧性，散发浓郁的怀旧氛围

黑白电影风。

Shot in high-contrast black and white with deep shadows and selective highlights. Features low-key chiaroscuro lighting, hard shadows, and venetian blind effects. Moody, mysterious, and suspenseful, with a vintage cinematic vibe

采用高反差黑白摄影手法，营造出深邃的暗部和精准的亮部层次。运用低调的明暗对比打光，呈现出锐利的阴影效果和威尼斯百叶窗光影。整体氛围充满忧郁、神秘和悬疑感，完美展现复古电影的美学

一大波效果

OpenAI科学家Noam Brown表示，「Sora，是scale力最直观的证明之一」。