OpenAI 推出 Sora 2 和 Sora 应用程序：人工智能生成视频的下一个时代

OpenAI 在生成式人工智能（尤其是视频领域）方面的雄心壮志加倍膨胀。2025 年 9 月 30 日，该公司发布了下一代音频和视频模型 Sora 2，同时还发布了一款全新的社交应用程序--Sora，使用户能够在 TikTok 风格的 feed 中创建、分享和混音人工智能生成的剪辑。

下面，我们将详细介绍 Sora 2 的功能，解释 Sora 应用程序的工作原理，并概述其带来的机遇和风险。

什么是 Sora 2？OpenAI 视频模型的演变

从 Sora 到 Sora 2

OpenAI 最初的 Sora 模型于 2024 年 12 月发布，允许用户根据文本提示生成短视频片段，具有适度的逼真度，但在物理、一致性和同步音频方面存在限制。

Sora 2 代表着一次重大飞跃，其重点在于：

• 物理逼真度和时间一致性：更好地模拟碰撞、动量、浮力、重力和交互，使动作显得自然。
  
• 同步音频和对话：语音、环境音效和特效与视觉动作更紧密地结合在一起。
  
• 可操控性和风格控制：用户可以指定摄像机移动、镜头类型、节奏和视觉风格。
  
• 多镜头一致性和场景连贯性：人物、灯光和动态在不同镜头中保持稳定，减少突然的过渡。
  

根据 OpenAI 的说法，Sora 2 "提高了对物理定律和时间一致性的遵从"。例如，当篮球运动员投篮不中时，球会真实地弹出篮框，而不是出现在篮筐内。

Sora 应用程序：TikTok 式人工智能视频层

Sora 应用程序是一个面向公众的平台，可以让创作者和观众以熟悉的垂直视频格式访问 Sora 2。

主要功能

垂直刷屏
该应用采用类似 TikTok 的界面设计：垂直视频、轻扫导航，以及基于用户活动、位置、帖子互动和可选 ChatGPT 历史记录的个性化 feed 算法。

模仿（自我插入）
用户可以一次性提交经过验证的自己的视频和音频录音。一旦通过审核，用户就可以授权朋友在生成的视频中加入自己的肖像。只要用户的肖像被使用，系统就会通知用户，而共同拥有规则允许用户随时撤销访问权限。

混音和协作工具
用户可以对流行视频进行混音，或为协作趋势贡献场景、音频或风格等元素。

内容长度和格式

• 目前的视频片段限时 10 秒。
  
• 不支持从相机胶卷上传，所有内容都必须在应用程序内生成。
  
• Sora 2集成了音频，可以通过语音提示或输入指令生成匹配的声音设计。
  

访问和定价

• 该应用首先在美国和加拿大的 iOS 平台上推出，只接受邀请。计划在全球推广。
  
• 基本使用是免费的，在需求量大的情况下，增加几代需要额外收费。
  
• ChatGPT Pro 用户无需邀请即可访问 Sora 2 Pro。
  

Sora 2 和 Sora 应用程序为何重要

创意机遇

• 降低视频创作门槛：无需相机或编辑软件，只需一个提示。
  
• 新的故事讲述形式：现在，电影场景、音乐视频或超现实的跨界都已触手可及。
  
• 及时工程成为一种创造性技能。
  
• 社交病毒性：混音和客串功能鼓励合作趋势。
  

风险与挑战

• 滥用肖像：尽管有保障措施，但深度伪造、冒充和未经同意的内容风险依然存在。
  
• 版权纠纷：关于训练数据和是否包含版权作品的问题依然存在。
  
• 内容节制：OpenAI 禁止冒充公众人物和露骨内容，但执行起来可能面临挑战。
  
• 虚假信息：人工智能生成的逼真剪辑可能会让人们更难区分真实媒体和人工媒体。
  

使用案例和早期演示

为了展示改进之处，OpenAI 发布了沙滩排球、滑板和跳入泳池的片段，突出了更自然的动作和同步音频。其他演示还包括体操套路、带有浮力建模的桨板技巧以及带有一致角色动作的花样滑冰。

与最初的 Sora 相比，用户反映视觉故障更少、帧转换更流畅、交互更自然。

OpenAI 推出 Sora 2 和 Sora 应用程序标志着人工智能视频生成领域的一个重要里程碑。通过将物理、声音和一致性方面的技术改进与社交媒体层相结合，OpenAI 正在使生成视频更接近主流应用。

我们面临的挑战是如何平衡创造力与道德之间的关系，确保安全和隐私措施与人工智能生成内容日益逼真的趋势保持同步。