Sora ist ein Text-zu-Video-Generierungssystem, das von OpenAI entwickelt wurde und natürliche Sprachbeschreibungen in kurze Videoclips umwandelt. OpenAI zeigte das Modell erstmals im Februar 2024 mit einer Reihe hochglanzpolierter Beispielvideos und präsentierte es nicht nur als kreatives Werkzeug, sondern als frühen Schritt hin zu einem universellen „Weltsimulator“, der physikalische Interaktionen, Kamerabewegungen und Objektpermanenz über die Zeit modellieren kann. Das Modell wurde der Öffentlichkeit über eine eigenständige App namens Sora zugänglich gemacht, die im Dezember 2024 für zahlende ChatGPT-Abonnenten gestartet wurde, bevor sie 2025 breiter ausgerollt wurde.
Architektur
Sora kombiniert Ideen aus Diffusionsmodellen und der Transformer-Architektur. Anstatt auf Pixeln mit fester Auflösung zu operieren, beschrieb OpenAI Sora als ein System, das Video als Sequenzen von Raum-Zeit-„Patches“ behandelt, eine Darstellung, die es dem Modell ermöglichen soll, unterschiedliche Dauern, Auflösungen und Seitenverhältnisse innerhalb eines einzigen Systems zu verarbeiten. Das Training stützte sich Berichten zufolge auf große Mengen von Videodaten, wobei OpenAI die genaue Zusammensetzung oder Größe des Datensatzes nicht offenlegte, eine Abweichung von den detaillierteren technischen Berichten, die das Unternehmen für frühere Systeme veröffentlichte.
Fähigkeiten und Einschränkungen
Beim Start konnte Sora Clips von bis zu etwa einer Minute Länge aus einem Text-Prompt generieren, und spätere Versionen fügten Bild-zu-Video- und Video-zu-Video-Bearbeitungsfunktionen hinzu, die es Nutzern ermöglichten, vorhandenes Filmmaterial zu erweitern, neu zu mischen oder zu verschmelzen. Demonstrationsvideos zeigten kohärente Szenen mit mehreren Einstellungen, simulierte Kamerabewegungen und konsistente Charakterdarstellungen über Frames hinweg, Fähigkeiten, die weit über frühere Text-zu-Video-Systeme hinausgingen. OpenAI räumte auch anhaltende Schwächen ein: Das Modell hatte Probleme mit präziser Physik (Objekte, die durch einander hindurchgehen, inkonsistente Kausalität), feinkörniger räumlicher Argumentation und genauen Darstellungen komplexer Handlungen wie spezifischer Sportbewegungen.
Rezeption und die App-Ära
Sora kam in ein zunehmend wettbewerbsintensives Feld der Videogenerierung, zusammen mit Google DeepMinds Veo, Kuaishous Kling und ByteDances Seedance, die alle 2024 und 2025 schnell iterierten. Unabhängige Benchmarks und Community-Vergleiche auf Arenen, die Videomodelle bewerten, platzierten Sora unter den führenden Systemen, ohne eine klare, stabile Führung, da Konkurrenten Updates in ähnlichen Zeiträumen veröffentlichten. Runway, ein früherer Pionier der Videogenerierung, sah sich verstärkter Konkurrenz ausgesetzt, sobald große Labore direkt in den Bereich eintraten.
Die Sora-App selbst war bemerkenswert für einen sozialen, TikTok-ähnlichen Feed mit KI-generierten Clips und einer Remix-Funktion, eine Designentscheidung, die sowohl Engagement als auch Kritik hervorrief. Kommentatoren und Rechteinhaber äußerten Bedenken hinsichtlich der Leichtigkeit, mit der Videos mit urheberrechtlich geschützten Charakteren und öffentlichen Personen generiert werden konnten, was OpenAI dazu veranlasste, nach frühen Beschwerden, auch von Talentagenturen, Opt-out-Mechanismen für Rechteinhaber und Ähnlichkeitskontrollen für benannte Personen hinzuzufügen. Die breitere Debatte spiegelte bereits laufende Auseinandersetzungen über KI und Urheberrecht in Text- und Bildgenerierung wider und fügte Bedenken über Deepfakes und synthetische Medien eine videospezifische Dimension hinzu, angesichts der Fähigkeit der Technologie, realistisch aussehende Menschen und Ereignisse darzustellen, die nie stattgefunden haben.
Sorass Veröffentlichung intensivierte auch die öffentliche Debatte über die Auswirkungen hochwertiger generativer Videos auf Arbeit und Kreativindustrien, insbesondere in der Film-, Werbe- und Social-Media-Inhaltsproduktion, wo die Kosten für die Erstellung kurzer Videoinhalte für jeden mit Zugang zum Werkzeug drastisch sanken. Sam Altman, der Geschäftsführer von OpenAI, positionierte Sora und seine Nachfolger als Schritte hin zu allgemeinerer videobasierter Weltmodellierung, eine Rahmung, die mit breiterem Forschungsinteresse an Weltmodellen als Weg zu leistungsfähigeren KI-Systemen verbunden ist, obwohl das Ausmaß, in dem Sora echte physikalische Verständnis versus ausgefeilte Musterreproduktion darstellt, unter Forschern umstritten blieb.