在这个画面生成上，Sora暴露了比较严重的缺点，镜头切换过于频繁，画面质感不足，而作为对比的国产模型可灵AI在这个视频中的表现，无论是镜头的连续性，还是画面效果，都明显优于Sora。 4.空中俯瞰 提示词： Sora的原理 基于以上Diffusion的原理， 如果基于Condition条件，比如Text输入，从一个完全噪声的视频帧，生成清晰的视频帧，就能实现Text2Video了。 那具体是怎么做的呢？ • 为了更好的处理和理解视频， 把视频中的每一帧，用一个模型Encoder， 转换成Latent tokens Sora不止步于视频生成工具，它的背后是OpenAI的宏大愿景：开发出能够让计算机理解我们世界的算法和技术，而OpenAI认为最有可能的技术之一是生成模型 (generative model)。 OpenAI的blog中对Sora的定位正是“作为世界模拟器的视频生成模型”。 这里是OpenAI 2016 (!)
Chimo Curves | US Curvy Model | Instagram Star & TikTok Star | Bio
Sora采用类似OpenAI文生图模型——DALL-E3中的方法，先训练文本生成模型，为训练集中的视频生成文本描述。 另外，Sora在文生视频时，先将用户输入的简短提示输入ChatGPT，由ChatGPT生成详细的符合SORA规范的文本描述，再将详细的文本描述输入Sora，从而能够生成.
Sora 2这次最大的进步，是它开始尊重世界的物理规律了。 以前的AI视频，篮球进了可以突然消失，水里的船可以像纸片。 Sora 2开始修正这些玄学问题 。 OpenAI团队自己举了个例子：如果一个篮球运动员投篮没进，球现在知道要打板反弹，而不是像以前那样“瞬移”进篮筐。 可以看一个打排球的例子.
另外有位用户指出：“制作90多分钟的电影通常需要超过90个小时的拍摄时间。如果按照计算一下所有典型的动画制作工时，与人工相比，其实Sora的渲染时间并不算太长。” OpenAI此次发布的Sora生成的视频有丝滑的移动运镜、场景转换，还可以自行分镜、切换景别，这意味着Sora可能让普通人以极低的. Sora基于DALL·E和GPT模型的研究成果，采用了DALL·E 3的重标注技术，通过为视觉训练数据生成详细描述的标题，使模型更加准确地遵循用户的文本指令生成视频。 Sora有着强大的数据源 Sora训练用的数据都是 原始视频数据，对比之下，以往的训练素材几乎都是256x256，4秒的视频。 用过SD1.5和SDXL的应该有直观的感受，在直接生成高像素的图片时，1.5崩坏、或者出现重复信息的问题非常严重，而SDXL就好很多，信息量也很足。
