Sora理解物理世界嗎（關(guān)于Sora的簡介）

Sora模型發(fā)布已經(jīng)有一段時(shí)間，最初它對(duì)世界的理解能力讓人驚嘆，但有業(yè)內(nèi)人士認(rèn)為，Sora對(duì)于世界的理解還停留在比較初級(jí)的階段，對(duì)物理世界并沒有特別深的理解。

1.相比于以前的視頻生成模型，Sora對(duì)于物理世界有一定的理解能力，但并不能算很高明，在一個(gè)中國舞龍視頻當(dāng)中，Sora生成的中國字其實(shí)并不是中國字，只是比較像中國字的一個(gè)圖形，這是計(jì)算機(jī)的特性決定的，它具備很強(qiáng)的學(xué)習(xí)能力和圖像生成能力，但對(duì)于現(xiàn)象背后的物理意義和文化意義并不如ChatGPT一樣具備深刻的理解。

2.Sora在視頻的生成能力、連續(xù)性和真實(shí)世界模擬方面都具有巨大的優(yōu)勢，它生成的視頻默認(rèn)為1080P，還具備視頻連接、數(shù)字世界模擬、不同世界交互、運(yùn)動(dòng)相機(jī)模擬等功能，這些功能在其他的視頻模型當(dāng)中被提及較少。

3.Open AI發(fā)布的Sora可以生成尺寸更加自由的視頻，用戶可以選擇1920*1080的橫屏、豎屏模式，介于兩者之間的所有尺寸視頻用戶都可以自由選擇，相比之下比如Runway Gen2視頻生成模型，只能選擇16：9、1：1、4：3等長寬比的模型，清晰度則為1408*768px。

4.Sora能將兩個(gè)視頻揉合起來，生成一個(gè)看起來沒有絲毫違和感的視頻，在官方演示視頻中，先為模型給出一個(gè)無人機(jī)穿越古羅馬的視頻，再給一個(gè)蝴蝶在海底飛行的視頻，Sora能將無人機(jī)變成蝴蝶，為古羅馬建筑加入珊瑚風(fēng)格。

5.生成的視頻中如果鏡頭中物體被其他物體遮住，鏡頭移動(dòng)到下一階段，這一物體重新出現(xiàn)時(shí)仍然能保持之前的存在狀態(tài)，這種連續(xù)性是視頻生成模型的一大突破，可以預(yù)見未來Sora將會(huì)有廣泛的應(yīng)用前景。