2月8日，苹果公司的研究人员发表了一篇论文，透露了该公司正在进行的人工智能工具研究，该工具可以通过文本提示为图像制作动画。

现在，ChatGPT和Dall-E的制造商OpenAI推出了其文本转视频模型Sora。

据OpenAI称，新模型可以从头开始生成长达一分钟的视频，“同时保持视觉质量并遵守用户的提示。”OpenAI页面上显示的超现实示例显示了这样的提示：“一部电影预告片，讲述了30岁太空人戴着红色羊毛针织摩托车头盔的冒险经历，蓝天、盐漠，电影风格，35毫米胶片拍摄，色彩鲜艳。”

通过如此详细的提示，Sora能够生成具有多个角色、特定类型的运动以及主体和背景的准确细节的复杂场景。“该模型不仅了解用户在提示中提出的要求，还了解这些东西在物理世界中的存在方式。”

不过，索拉并不完美。在考古学家挖掘的一个分享的例子中，一把塑料椅子突然出现，然后继续在周围盘旋。在另一个例子中，小狼互相嬉戏、追逐，一只小狼似乎在向另一只小狼跑去，两只小狼似乎融为一体。根据OpenAI的说法，Sora可能“难以准确模拟复杂场景的物理原理，并且可能无法理解因果关系的具体实例。例如，一个人可能咬了一口饼干，但之后饼干可能没有咬痕。”

然而，它显示了我们在短短一年内取得的进步，从令人难忘的“威尔·史密斯吃意大利面”视频到Sora现在可以做的事情。如果你还没有看过后者，请看下面，尽管你可能无法将这个图像从你的脑海中抹去。

还值得注意的是，在通过其产品向用户提供该工具之前，OpenAI正在与红队成员(试图发现并报告漏洞和潜在滥用的专家)合作，以测试该模型。此外，它还在开发工具来检测视频是否由Sora生成。

目前尚不清楚Sora何时可供OpenAI用户使用。