Navigate to WaytoAGI Wiki →
Home/Question List/Question Detail

Sora实测效果如何

Answer

Sora 是 OpenAI 推出的革命性模型，于 2024 年 12 月 10 日正式登场。它具有以下特点和实测情况：

  • 功能：
    • 文生视频、图生视频、视频生视频，支持多种视频定制选项，如分辨率（从 480p 到 1080p）、视频长度（从 5 秒到更长时间）和视频风格。
    • 故事板功能，允许用户通过时间线指导视频中的多个动作，创建更加复杂的视频序列。
    • 混音和编辑功能，提供视频混音，支持视频的延伸和剪辑，以及创建循环视频。
    • 高级功能包括混合功能，可以将两个视频场景合并成一个新的场景。
  • 费用和订阅套餐：
    • 对于已经拥有 OpenAI Plus 或 Pro 账户的用户，Sora 的使用包含在现有订阅中。
    • OpenAI Plus 订阅每月有 50 次视频生成次数。
    • OpenAI Pro 订阅有无限次慢速队列生成和 500 次正常速度的视频生成次数。
    • 选择更高分辨率的视频生成可能会减少每月的使用次数。
  • 实测案例：

体验 Sora 的魔力可访问：Sora.com 。2 点直播链接：https://www.youtube.com/watch?v=2jKVx2vyZOY 。Sora 发布初期，某些地区（如欧洲和英国）可能会有延迟。

Content generated by AI large model, please carefully verify (powered by aily)

References

Sora实测案例

?在等待了整整300天后，终于等到Sora的重磅发布！今天，2024年12月10日，Sora正式登场啦！这是OpenAI推出的革命性模型，它不仅能根据文字描述生成视频，还能创造出长达一分钟的高质量视频！?无长毛猛犸象在沙漠中悠然漫步，还是水獺玩耍时的可爱瞬间，Sora都能根据你的需求，生成出无缝连接、超逼真的视频内容！??体验Sora的魔力：[Sora.com](https://sora.com)部分报道有正面《[OpenAI正式上线Sora-](http://www.citnews.com.cn/news/202412/190665.html)[](http://www.citnews.com.cn/news/202412/190665.html)[王者归航。](http://www.citnews.com.cn/news/202412/190665.html)》有负面《[别吹Sora了，实测一言难尽。甚至分不清人脸和猪？？](https://mp.weixin.qq.com/s/FmtMsPJWeQ3z8NBrLdSg9g)》《[刚刚，OpenAI Sora正式炸裂登场，网页挤爆了！](https://mp.weixin.qq.com/s/_cm8Sw50XF0P2JtHGDAKKA)》[OpenAI新货详解：Sora发布，附各种案例](https://mp.weixin.qq.com/s/CR7dLLWN2XmTNHuxEKm66A)[中学生能看懂：Sora原理解读](https://mp.weixin.qq.com/s/YN4zJjLr66TBW40tePsrRQ)[小学生都能看懂的：生成式AI和Sora原理](https://mp.weixin.qq.com/s/0uGQ1m1bj-pep1cjBNA5LQ)

视频模型：Sora

最新消息sora.com域名已经部署好[Sora实测案例](https://waytoagi.feishu.cn/wiki/MKgKw9hg8iZZp1kKYQ4c0B6unWg)2点直播链接：https://www.youtube.com/watch?v=2jKVx2vyZOY有博主已经做了提前测试This Video is AI Generated!SORA Reviewhttps://www.youtube.com/watch?v=OY2x0TyKzIQ12月10日已上线[heading2]Sora功能：[content]文生视频，图生视频，视频生视频1.视频生成：文生视频，图生视频，视频生视频支持多种视频定制选项，如分辨率（从480p到1080p）、视频长度（从5秒到更长时间）和视频风格。用户可以浏览社区共享的视频，获取灵感和学习技巧（直接抄别人prompt）2.故事板：允许用户通过时间线指导视频中的多个动作，创建更加复杂的视频序列。3.混音和编辑：提供视频混音功能，允许用户将视频转换成新的风格。支持视频的延伸和剪辑，以及创建循环视频。4.高级功能：包括混合功能，可以将两个视频场景合并成一个新的场景。[heading2]费用和订阅套餐：[content]对于已经拥有OpenAI Plus或Pro账户的用户，Sora的使用是包含在现有订阅中的，无需额外支付费用。OpenAI Plus订阅：每月50次视频生成次数。OpenAI Pro订阅：无限次慢速队列生成。500次正常速度的视频生成次数。额外信息：用户可以根据需要选择更高分辨率的视频生成，但这可能会减少每月的使用次数。Sora的发布初期，对于某些地区（如欧洲和英国）可能会有延迟。

Sora实测案例

|作者|类型和亮点|测试样例|提示词|||-|-|-|-|-|||一段长内容可以识别并且文字形体不变形|[55459_1733800399_raw.mp4](https://bytedance.feishu.cn/space/api/box/stream/download/all/G78EbYb6DoHaMRxQfJacPl7NnJd?allow_redirect=1)|你需要根据下面的新闻，创建一个适合在tiktok上传播的短视频：#美团股价大涨4.68%，创近期新高![美团股价走势图](https://i-invdn-com.investing.com/news/LYNXMPEAA60AX_L.jpg)香港恒生科技指数12月9日尾盘快速拉升，美团-W(03690.HK)股价大涨4.68%，报170港元，创近期新高。美团股价的强劲表现主要受两方面因素推动。一是中共中央政治局会议提出明年要大力提振消费，提高投资效益，全方位扩大国内需求，这一政策利好刺激了消费类股票上涨。二是美团近期业绩表现亮眼，三季度财报显示净利润同比增长307.5%，达137亿元，超出市场预期。值得注意的是，美团不仅在核心业务上保持增长，新业务板块也呈现强劲势头。三季度新业务大幅减亏，从去年同期的51亿元收窄至10亿元。即时配送业务快速增长，美团闪购日均单量突破1000万单。此外，美团还在积极布局新领域，近日在成都成立了注册资本500万美元的酒店管理公司。分析人士认为，美团作为科网股具有顺周期属性，且受益于人工智能趋势，在政策利好和行业发展趋势的共同作用下，有望继续保持良好增长态势。不过，投资者仍需关注市场波动风险，谨慎投资。|||trader|engineer|[55468_1733800667.mp4](https://bytedance.feishu.cn/space/api/box/stream/download/all/FXwAbaMCrogenxxvEyRcHCAsnFg?allow_redirect=1)|一个程序员||

Others are asking
ChatGPT与Sora 是不是只有苹果手机或苹果电脑才能注册与登入？
ChatGPT 注册与登录： 苹果系统： 中国区正常无法在 AppleStore 下载 ChatGPT，需切换到美区。美区 AppleID 注册教程可参考知乎链接：https://zhuanlan.zhihu.com/p/696727277 。 最终在 AppleStore 搜到 ChatGPT 下载安装，注意别下错。 打开支付宝，地区切换到美区任意区，购买【App Store&iTunes US】礼品卡，按需要金额购买（建议先买 20 刀），然后在 apple store 中兑换礼品卡，在 chatgpt 中购买订阅 gpt plus，中途不想继续订阅可到订阅列表中取消。 会员不管在苹果还是安卓手机上购买的，电脑上都能登录。 注册美区 ID 详细步骤： 1. 电脑上打开 Apple ID 的注册页面：https://appleid.apple.com/ac 。 2. 填写验证码后点继续。 3. 到谷歌邮箱接收邮箱验证码。 4. 接着验证手机号码。 5. 验证完后会出现页面，此时美区 ID 已注册但未激活，切换到手机操作。 6. 打开 App Store，点击右上角人形头像。 7. 拉到最底下，点击退出登录，先退出国内的 ID。 8. 之后再点击右上角人形头像。 9. 手动输入美区 ID，会收到短信进行双重验证。 10. 之后完成美区的 ID 登录。 11. 随便找个软件下载，会弹出提示，点击“检查”进行激活。 12. 点击同意，进入下一页填写美国地址。 13. 若付款方式中没有“无”或“none”选项，输入街道地址和电话。 14. 至此，通过中国 IP、中国手机号、免信用卡成功注册一个美区 ID，可用于下载例如小火箭、ChatGPT、Discord、X、TikTok 等软件。 关于 Sora 的注册与登录相关信息未提及。
2024-12-16
Sora是什么
Sora 是 OpenAI 发布的一个文本到视频的生成模型。 它具有以下特点和能力： 1. 能够根据描述性的文本提示生成高质量的视频内容。 2. 其生成的视频不仅逼真且充满想象力，能创造出各种场景。 3. 可以生成长达 1 分钟的超长视频，且是一镜到底的，视频中的人物和背景等具有惊人的一致性和稳定性。 4. 虽然在技术界引起广泛关注和讨论，但目前 OpenAI 未公开发布，仅向少数研究人员和创意人士提供有限访问权限以获取使用反馈并评估技术安全性。 在图像生成能力方面，Sora 能生成图像，虽不及 Midjourney，但优于 Dalle 3。此外，Sora 在视频游戏模拟中也具有一定的能力。
2024-12-16
Sora怎么使用
Sora 是一个强大的视频生成模型，具有以下特点和使用方式： 1. 可作为世界模拟器，能够在两个输入视频之间逐渐插值，创建在完全不同的主题和场景构成之间的无缝过渡。 2. 它使用视频压缩网络和空间时间补丁来统一不同来源的数据，然后借助文本条件化的 Diffusion 模型生成与文本提示匹配的视觉作品。 3. 从核心本质上看，Sora 是一个具有灵活采样维度的扩散变压器，有三个部分： 时空压缩器首先将原始视频映射到潜在空间。 ViT 然后处理标记化的潜在表示，并输出去噪的潜在表示。 类似 CLIP 的条件机制接收 LLM 增强的用户指令和可能的视觉提示，以指导扩散模型生成风格化或主题化的视频。经过多次去噪，生成视频的潜在表示被获得，然后通过相应的解码器映射回像素空间。 此外，关于 Sora 的使用，各家 AI 最细致的教程几乎都在其官网上，例如 OpenAI 的综合文档：https://platform.openai.com/docs/overview ，API 使用：https://platform.openai.com/docs/apireference ，API Playground：https://platform.openai.com/playground ，API 案例与答疑：https://cookbook.openai.com/ 。同时，请注意妥善保管 API Key，它是扣费凭证，不要泄漏。
2024-12-13
Sora是什么
Sora 是 OpenAI 发布的一个文本到视频的生成模型。 其能力标志着人工智能在创意领域的重大飞跃，能够根据描述性的文本提示生成高质量的视频内容。它不仅可以创造出逼真且充满想象力的场景，还能生成长达 1 分钟的一镜到底的超长视频，视频中的人物和场景具有很高的一致性和稳定性。 本技术报告侧重于：（1）将各类视觉数据转换为统一表示的方法，使大规模训练生成模型成为可能；（2）对 Sora 能力和局限性的定性评估。但模型和实现细节未在报告中包括。 目前 OpenAI 并没有公开发布 Sora 的计划，而是选择仅向少数研究人员和创意人士提供有限的访问权限，以便获取他们的使用反馈并评估技术的安全性。
2024-08-26
微软 Sora 的论文
以下是关于微软 Sora 论文的相关信息： 论文标题：Sora:A Review on Background,Technology,Limitations,and Opportunities of Large Vision Models 作者：Yixin Liu,Kai Zhang,Yuan Li,Zhiling Yan,Chujie Gao,Ruoxi Chen,Zhengqing Yuan,Yue Huang,Hanchi Sun,Jianfeng Gao,Lifang He,Lichao Sun 期刊：arXiv 发表时间：2024/02/27 数字识别码：arXiv:2402.17177 摘要：Sora 是一个文本到视频生成的人工智能模型，由 OpenAI 于 2024 年 2 月发布。该模型经过训练，可以根据文本指令生成逼真或富有想象力的场景的视频，并显示出模拟物理世界的潜力。基于公开的技术报告和逆向工程，本文全面回顾了文本到视频人工智能模型的背景、相关技术、应用、剩余挑战和未来方向。我们首先追踪索拉的发展，并研究用于构建这个“世界模拟器”的底层技术。然后，我们详细描述了索拉在从电影制作、教育到营销等多个行业的应用和潜在影响。我们讨论了广泛部署索拉需要解决的主要挑战和局限性，例如确保安全、公正的视频生成。最后，我们讨论了索拉和视频生成模型的未来发展，以及该领域的进步如何能够实现人类人工智能交互的新方式，提高视频生成的生产力和创造力。 背景：Sora 是一项重大突破，类似于 ChatGPT 在 NLP 领域的影响。Sora 是第一个能够根据人类指令生成长达一分钟视频的模型，同时保持较高的视觉质量和引人注目的视觉连贯性，从第一帧到最后一帧都具有渐进感和视觉连贯性。这是一个里程碑，对生成式 AI 的研究和发展产生了深远影响。如图 2 所示，Sora 在准确解读和执行复杂的人类指令方面表现出非凡的能力。该模型可以生成包含多个角色的详细场景，这些角色在错综复杂的背景下执行特定的动作。研究人员认为，Sora 不仅能熟练处理用户生成的文本提示，还能辨别场景中各种元素之间复杂的相互作用。此外，Sora 的进步还体现在它能够生成具有细微运动和交互描绘的扩展视频序列，克服了早期视频生成模型所特有的短片段和简单视觉渲染的限制。这种能力代表了人工智能驱动的创意工具的飞跃，使用户能够将文字叙述转换成丰富的视觉故事。总之，这些进步显示了 Sora 作为世界模拟器的潜力，它可以提供对所描绘场景的物理和背景动态的细微洞察。为了方便读者查阅视觉生成模型的最新进展，研究者在论文附录汇编了近期的代表性工作成果。 您可以通过以下链接阅读论文原文：https://arxiv.org/abs/2402.17177
2024-08-08
什么是 Sora 能否简单介绍一下？
Sora 是 OpenAI 发布的一个文本到视频的生成模型，可以根据描述性的文本提示生成高质量的视频内容。从核心本质上看，Sora 是一个具有灵活采样维度的扩散变压器，有三个部分：时空压缩器、ViT 和类似 CLIP 的条件机制。Sora 将视觉数据转换成补丁，通过一个专门的网络来降低视觉数据的维度，提取一系列的时空补丁，作为变换器模型的输入令牌，然后通过预测输入噪声补丁的原始“干净”版本进行训练，结合了变换器架构，从而生成新的视频内容。
2024-05-20
我想要通过建筑草图生成效果图，有什么工具和流程可以使用
以下是使用悠船工具将建筑草图生成效果图的流程和相关介绍： 1. 基础使用： 提示词：在右侧填写提示词，右上可下载对应图片。 参数调整：参数详解参考下方「参数详解」。注意任何点击都会重新生成图片，免费用户可能会提示超出套餐，所以别乱点。最右侧是所有生成图片的略缩图。 2. 图片调整： 变化：分为细微和强烈，细微改变幅度小，强烈改变幅度大。 高清：有“直接”和“创意”两种模式，“直接”表示啥都不变直接出高清，“创意”表示在图片基础上进行微小的优化调整。 风格变化：基于生成的图片作为上传图片（垫图）再创作。 拓展：可上下左右拓展图片。 缩放：指的是镜头，比如 2x 就是镜头拉远 2 倍。 局部重绘：选择区域要大一些，太小的无法进行修改。 3. 图像参考： 在悠船中可以利用垫图和提示词配合生成符合要求的建筑、风景、文物等。只需将图片复制到悠船的提示词框里面，并填写对应的提示词描述。
2025-04-14
将照片改成卡通效果用什么ai会比较简单易操作
以下几种 AI 工具可以将照片改成卡通效果，操作相对简单易操作： 1. ChatGPT 4o：支持上传照片后直接生成“吉卜力卡通风格”图像，提示词只需简单写“吉卜力风格化”即可，后续会话中只需上传图片，无需重复输入提示词。参考链接：
2025-04-08
视频生成 效果对比
以下是为您整理的关于视频生成的相关内容： 百度“秒哒”： 特点：无代码编程、多智能体协作、多工具调用，一句话生成应用、网站、小游戏。 优势：更适合普通用户，直接输出结果，看不到写代码过程。智能体协作矩阵支持灵活组建虚拟开发团队，工具集成强大，完成即部署。 试玩链接（临时有效）： 相关链接： 电商视频生成神器 Product Anyshoot： 功能：商品图秒变视频展示，模特自动拿着、穿戴、摆放商品。 特点：支持所有电商品类，5000+模板可自定义修改。 优势：商品还原度高，视频真实流畅，对比效果优于 Pika 和阿里通义 Wanx。 在线体验： 相关链接： Meta 发布的 Meta Movie Gen 文生视频模型： 组成：由视频生成和音频生成两个模型组成。 Movie Gen Video：30B 参数 Transformer 模型，可从单个文本提示生成 16 秒、16 帧每秒的高清视频，相当于 73K 个视频 tokens。能执行精确视频编辑，如添加、删除或替换元素，或背景替换、样式更改等全局修改。在个性化视频方面，在保持角色身份一致性和运动自然性方面取得 SOTA 性能。 Movie Gen Audio：13B 参数 Transformer 模型，可接受视频输入以及可选的文本提示，生成与视频同步的高保真音频。 训练方式：通过预训练微调范式完成，在骨干网络架构上沿用了 Transformer，特别是 Llama3 的许多设计。预训练阶段在海量的视频文本和图像文本数据集上进行联合训练，学习对视觉世界的理解。微调阶段精心挑选一小部分高质量视频进行有监督微调，以进一步提升生成视频的运动流畅度和美学品质。 为提高效果，引入流匹配（Flow Matching）作为训练目标，使得视频生成的效果在精度和细节表现上优于扩散模型。扩散模型通过从数据分布逐渐加入噪声，然后在推理时通过逆过程去除噪声来生成样本，用大量的迭代步数逐步逼近目标分布。流匹配则是通过直接学习样本从噪声向目标数据分布转化的速度，模型只需通过估计如何在每个时间步中演化样本，即可生成高质量的结果。
2025-03-30
目前文字转视频，效果比较理想的工具有哪些？
目前文字转视频效果比较理想的工具包括： 1. Pika：是一款出色的文本生成视频 AI 工具，擅长动画制作，并支持视频编辑。 2. SVD：若熟悉 Stable Diffusion，可安装此最新插件，能在图片基础上直接生成视频，由 Stability AI 开源。 3. Runway：老牌 AI 视频生成工具，提供实时涂抹修改视频的功能，但需收费。 4. Kaiber：视频转视频 AI，能够将原视频转换成各种风格的视频。 5. Sora：由 OpenAI 开发，可以生成长达 1 分钟以上的视频。 更多的文生视频的网站可以查看这里： 此外，Sora v2 即将发布，支持 1 分钟视频生成，提供文本转视频、文本+参考图片转视频以及文本+视频转视频功能。Runway 还有 Act One 角色参考视频功能，能实现视频表演和声音的角色转移，支持通过拍摄视频驱动另一个视频，保持表情和口型同步。
2025-03-30
当前效果比较好的对口型，换脸，配音AI应用
以下是一些效果较好的对口型、换脸、配音的 AI 应用： Runway：网址为 https://runwayml.com ，有网页和 app 方便使用。工具教程： 即梦：网址为 https://dreamina.jianying.com/ ，是剪映旗下产品，生成 3 秒，动作幅度有很大升级，有最新 S 模型和 P 模型。工具教程： Minimax 海螺 AI：网址为 https://hailuoai.video/ ，非常听话，语义理解能力非常强。视频模型： Kling：网址为 kling.kuaishou.com ，支持运动笔刷，1.5 模型可以直出 1080P30 帧视频。视频模型： Vidu：网址为 https://www.vidu.studio/ haiper：网址为 https://app.haiper.ai/ Pika：网址为 https://pika.art/ ，可控性强，可以对嘴型，可配音。工具教程： 智谱清影：网址为 https://chatglm.cn/video ，开源了，可以自己部署 cogvideo。工具教程： PixVerse：网址为 https://pixverse.ai/ ，人少不怎么排队，还有换脸功能。工具教程： 通义万相：网址为 https://tongyi.aliyun.com/wanxiang/ ，大幅度运动很强。 luma：网址为 https://lumalabs.ai/ 即梦 AI 对口型的相关教程： 功能介绍：「对口型」是即梦 AI「视频生成」中的二次编辑功能，现支持中文、英文配音。目前主要针对写实/偏真实风格化人物的口型及配音生成，为用户的创作提供更多视听信息传达的能力。可上传包含完整人物面容的图片，进行视频生成，待视频生成完成后，点击预览视频下的「对口型」按钮，输入台词并选择音色，或上传配音文件进行对口型效果生成。目前支持语言：中文（全部音色），英文（推荐「超拟真」内的音色） 技巧：上传写实/近写实的人物单人图片，目前不支持多人物图片对口型；输入 prompt，选择参数，点击生成视频，尽量确保人物无形变等扭曲效果；确保人物生成的情绪与希望匹配的口型内容匹配；在生成的视频下方，点击【对口型】；输入或上传需要配音的内容，注意视频生成时长和配音试听时长尽量对齐，点击生成。先对口型，再超分补帧 关于 AI 短片的相关信息： AI 图片与视频生成的新能力与应用： 图片编辑功能：Midjourney 新增本地图片上传编辑入口，可进行局部重绘、扩图和风格转换等操作。 视频生成模型：解梦新出 p 模型和 s 模型，p 模型支持人物多动作和变焦，易改变画风；s 模型生成速度快、积分消耗少，能保持原始画风但语义理解有限。 特效玩法：皮卡和 Pixforce 有特效玩法，如人物爆炸、漂浮等，可用于优化视频效果。 视频转会：Runway 的 GN3 模型支持上传视频并转换风格，可用于实现多元宇宙等风格穿梭的片子，也能将简单场景转换为难以拍摄的场景。 视频生成中的角色生视频技术： 角色生视频突破关键帧限制：当前视频生成多依赖关键帧，而角色生视频不再是关键帧输入，而是直接传入角色本身，可更灵活生成视频，如让小男孩从左跑到右。 多角色参考生成创意视频：支持上传多张图，最多三张，可将人物、衣服、背景等元素融合生成视频，如小男孩穿裙子在宇宙飞。 角色对口型技术：如吉梦的对口型技术，支持文本朗诵和本地配音，能根据输入生成人物开口讲话的视频，但有上传人物长相等限制。 不同工具的角色生视频效果：对比了吉梦、Runway 等工具的角色生视频效果，如 Runway 的 x one 在身体、头部、眼神动态上表现更好。 角色生视频的应用场景：可用于规避机器人念台词的尴尬瞬间，让机器人有更丰富的表情和神态。 角色生视频的未来发展：未来视频生成将摆脱纯关键帧方式，采用多模态信息输入，如定义角色和场景的三视图等。
2025-03-25
有哪些效果好的开源OCR模型值得推荐
以下是一些效果较好的开源 OCR 模型推荐： 1. Mistral OCR：当前最强的 OCR 模型，具有多语言支持，超越 Gemini 2.0 Flash，可在 Le Chat 及 API 调用。ElevenLabs 赠送 $25 Mistral API 额度，免费领取！领取地址： 2. Gemini 2.0 Flash：也是一款 OCR 模型。
2025-03-24