原创力文档- 1、本文档共27页，可阅读全部内容。
- 2、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。
- 3、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
- 5、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
- 6、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
- 7、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 8、VIP文档为合作方或网友上传，每下载1次， 网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
Sora深度：功能优势、发展现状、算力测算、
行相关影响及相关公司深度梳理
业
研
究2024年2月16日，OpenAI发布首个视频生成模型Sora。Sora继承DALL·E3的画质和遵循指令能力，
能生成长达1分钟的高清视频。Sora的出现对AI行业的发展具有里程碑意义。从中短期看Sora作为一
报款具有强劲性能的视频生成模型，将提升视频生成的质量和效率，对影视和游戏等相关行业具有变革作
用；从长期看Sora有望成为一款世界模拟器的视频生成模型，为未来发展理解和模拟真实世界的模型
告
奠定基础。
围绕Sora，下面我们从其实现功能、技术路径、算法实现等基本信息入手，了解Sora功能优势及局限；
梳理文本视频大模型发展历程及当前代表性文生模型并与其对比，对Sora进行算力预估并对其未来发
展影响进行展望，方便读者深入了解这一大模型。
目录
一、Sora概述1
二、Sora功能优势及局限6
三、文生视频大模型发展现状13
四、代表性文生视频模型梳理及比较15
五、Sora对算力网络需求拉动测算17
六、Sora将如何改变传媒各细分赛道19
七、相关公司20
八、参考研报27
一、Sora概述
慧1.OpenAI发布首个视频生成模型Sora
博
智2月16日，OpenAI发布了推出了一款能根据文字指令即时生成短视频的模型，命名为Sora。
能
投
研
1/27
根据介绍，Sora使用扩散模型技术，完美继承了DALL·E3的画质和遵循指令能力，能够从文本说明中
生成长达60秒的视频，并能够提供具有多个角色、特定类型的动作和详细背景细节的场景。借助GPT
的能力，Sora能够实现对语言的深入理解，使其能够准确地解释提示词，并生成引人注目的字符来表达
充满活力的情感。Sora还能在一个生成的视频中创建多个镜头，体现人物和视觉风格。
2.实现功能
2/27
OpenAI表示，通过让模型一次生成多帧画面，Sora解决了一个具有挑战性的问题，即：即使生成的主
体暂时离开视线内，也能确保主体不变。
除文生视频外，Sora还具有更多功能：1）根据图像生成动画；2）在时间上向前或向后扩展视频；3）
编辑输入的视频；4）在两个输入视频之间逐渐进行插值，从而在具有完全不同主题和场景构成的视频
之间创建无缝过渡；5）根据文字生成图像。
3.技术路径
Sora取法Tokens文本特征标记，是基于Patches视觉特征标记的DiffusionTransformer模型。
OpenAI研究团队从LLM中汲取灵感，认为LLM范式的成功在一定程度上得益于Tokens的使用，
Tokens统一了代码、数学和各种自然语言的文本模式。类似于LLM范式下的Tokens文本标记，Sora
创新性地使用了Patches（apartofsomethingmarkedoutfromtherestbyaparticularcharacteristic；
视觉特征标记）。
鉴于Patches之前已被证明是视觉数据模型的有效表示，OpenAI研究团队进一步研发发现Patches是
一种高度可扩展且有效的表示，可以被用于在不同类型的视频和图像上训练生成模型：
3/27
WUFUxOtOmPrQqOmP
文档评论（0）