OpenAI 深夜炸场：家族最强视频生成模型 Sora 2 发布，还能同步生成音频

北京时间今天凌晨，OpenAI 发布了下一代视频生成模型 Sora 2。

这款新模型在拟真视频效果上有明显提升，并新增音频生成能力。其继承并扩展了早期的图像生成技术，在同期推出的新版 App 中，用户可以通过一次性录制自己的视频和语音来完成身份验证，然后在生成的视频中“客串”自己或他人。

Sora 应用与现有社交媒体相似，提供算法推荐的信息流，根据互动对象和兴趣推送个性化内容，并引入“可调节排序”功能，让用户进一步定制看到的内容。

Sora 2 延续了 2024 年 2 月发布的初代模型。相比初代在篮球反弹等动作上常常显得僵硬，新版本在物理规律表现上更自然。

与上一代不同，Sora 2 还能生成语音。OpenAI 表示，虽然模型远未完善，仍有不少错误，但这验证了通过更大规模的视频训练，可以逐步接近真实世界的模拟。

Sora 应用目前已在 iOS 上架，但采用邀请制，用户需通过应用申请资格。OpenAI 表示将率先在美国和加拿大逐步开放，并在初期给予用户较宽松的创作额度。但由于视频生成对算力要求极高，公司会限制使用，以保证服务稳定。

OpenAI 坦言，目前唯一的商业计划是在算力不足时，为有需求的用户提供付费生成额外视频的选项。

为回应安全担忧，OpenAI 同步发布了一份博客说明。据IT之家了解，公司强调，所有 Sora 视频都会带有水印和元数据标识，用户的肖像只能在本人同意下使用，并可随时撤销。青少年用户账号会受到家长控制和使用时长限制。

系统的防护措施会在生成阶段就尝试屏蔽不安全内容，包括色情、恐怖主义宣传和自残相关内容，并通过多帧画面和音频检测进行拦截。OpenAI 还计划扩充人工审核团队，重点审查可能涉及霸凌的视频。

OpenAI 将 Sora 2 描述为通往更强大 AI 系统的重要一步。公司表示：“视频模型正在飞速进化。通用世界模拟器和机器人智能体将重塑社会，加速人类的发展进程。”