Sora是一款由OpenAI开发的文本转视频模型及社交媒体应用。借助人工智能，该模型可根据文本提示生成短视频片段，并能扩展现有短视频。2024年2月，OpenAI向公众展示了其输出示例，第一代Sora于2024年12月在美国和加拿大向ChatGPT Plus和ChatGPT Pro用户公开发布。第二代Sora 2于2025年9月底向美国和加拿大的部分用户发布，并整合了社交媒体功能。该应用于2026年4月26日关闭，应用程序编程接口（API）计划于2026年9月24日停用，标志着Sora AI品牌的终结。
Sora基于DALL-E 3技术的改编版本构建，采用扩散变换器架构。默认情况下，生成器会在视频中使用受版权保护的材料，除非版权所有者主动选择退出。视频包含可见的移动数字水印以防止滥用，但在Sora 2发布一周后，第三方程序即可移除该水印。
背景
在Sora之前，已有多个能够根据文本生成视频的模型问世，包括Meta的Make-A-Video、Runway的Gen-2和Google Veo。Sora的开发商OpenAI已于2023年9月发布了DALL-E系列文本转图像模型中的第三款DALL-E 3。这些早期发展为Sora后来推广的文本转视频生成技术奠定了基础。
首次发布
开发Sora的团队以日语中“天空”一词为其命名，以象征其“无限的创作潜力”。2024年2月15日，OpenAI首次预览Sora，发布了多段由其生成的高清视频片段，包括一辆SUV沿山路行驶、一个“毛茸茸的小怪物”在蜡烛旁动画、两人在雪中穿行东京，以及加州淘金热的伪造历史影像。OpenAI表示其能够生成长达一分钟的视频。该公司随后发布了一份技术报告，重点介绍了训练该模型的方法。OpenAI首席执行官Sam Altman还发布了一系列推文，用Sora生成的视频回应Twitter用户的提示。
截至2024年12月9日，OpenAI已逐步向美国和加拿大的ChatGPT Pro和ChatGPT Plus用户开放Sora。在此之前，该公司仅向一个包括错误信息和偏见领域专家在内的小型“红队”提供有限访问权限，以对模型进行对抗性测试。公司还将Sora分享给一小群创意专业人士，包括视频制作者和艺术家，以征求其在创意领域的实用性反馈。2025年2月，OpenAI宣布计划将Sora整合到ChatGPT中，允许用户通过聊天机器人生成Sora视频。
Sora 2
Sora 2于2025年9月30日发布，同时推出iOS应用，两个月后推出Android应用。该模型生成的所有视频均带有可见的移动水印，以防止工具被滥用。前一版本的Sora也添加了安全水印，以便观众区分真实与虚构内容。2025年10月7日，404 Media报道称，能够从Sora 2视频中移除水印的第三方程序已广泛出现。多家媒体，如《连线》杂志，指出Sora 2应用在风格和功能上与TikTok明显相似。
停用
2026年3月24日，OpenAI在X上宣布将停用Sora的移动应用和API。Sora应用于2026年4月26日关闭，API计划于2026年9月24日关闭。OpenAI与迪士尼的合作关系也即将结束，该合作包括允许在Sora中使用迪士尼角色的许可协议。这一决定促使英国科技新闻网站The Register将OpenAI称为“产品杀手”，效仿了Google、Amazon Web Services、Broadcom、Cloud Software Group和Netscape等其他科技公司的做法。
OpenAI在关闭通知中未说明停用Sora的具体原因。围绕此次停用出现的报道将该决定与计算资源短缺、成本压力以及向核心企业产品的更广泛转型联系起来。在公开发布后，Sora的全球用户数峰值约为一百万，随后降至不足五十万，而由于视频生成的计算需求，该服务运营成本估计为每天一百万美元。
法律监管
2024年11月，一组测试人员在Hugging Face上泄露了Sora访问的API密钥，并发布宣言称他们是在抗议Sora被用于“艺术洗白”。泄露公开三小时后，OpenAI撤销了所有访问权限，并表示“数百名艺术家”参与了开发，“参与是自愿的”。
在发布时，Sora 2默认允许使用受版权保护的内容，除非版权所有者联系OpenAI以限制其内容在该平台上的生成。2025年10月3日，OpenAI表示Sora 2的未来更新将赋予版权所有者对受版权保护内容生成的“更精细控制”，但公司未说明是否会删除现有内容。10月6日，MPA主席批评了OpenAI在Sora 2上的版权处理方式。
2025年12月11日，华特迪士尼公司宣布将在三年许可协议中向OpenAI投资10亿美元，允许Disney+用户生成Sora 2中超过200个受版权保护的角色。这些角色包括迪士尼动画、皮克斯、漫威影业和星球大战中的角色。
能力与局限
Sora背后的技术是DALL-E 3技术的改编版本。据OpenAI称，Sora是一种扩散变换器，即以一个变换器作为去噪器的去噪潜扩散模型。视频通过在潜空间中对3D“补丁”进行去噪生成，然后由视频解压缩器转换为标准空间。训练数据通过重新标注得到增强，即使用视频转文本模型为视频生成详细说明。
OpenAI使用公开视频以及为此获得许可的受版权保护视频来训练模型，但未透露视频的数量或确切来源。发布时，OpenAI承认了Sora的一些不足，包括其在模拟复杂物理、理解因果关系以及区分左右方面的能力有限。OpenAI还表示，按照公司现有的安全实践，Sora将限制涉及性、暴力、仇恨或名人形象的文本提示，以及包含现有知识产权的内容。
Sora研究员Tim Brooks表示，该模型仅凭数据集就学会了创建3D图形，而另一位Sora研究员Bill Peebles则表示，该模型模拟复杂物理的能力有限。这些局限是早期生成式AI视频模型的典型特征，此类模型往往在时间一致性和物理真实性方面存在困难。
影响与遗产
Sora的发布标志着生成式AI的一个重要里程碑，展示了深度学习模型根据文本提示生成连贯视频内容的潜力。其快速普及和随后的停用凸显了扩展此类计算密集型模型的挑战。Sora 2整合社交媒体功能反映了一种更广泛的趋势，即AI工具融入社区和分享能力，类似于TikTok等平台。
Sora的关闭，加上其高昂的运营成本和不断下降的用户数量，引发了对独立AI视频生成服务可持续性的质疑。这一决定也被拿来与其他停用产品的科技公司（如Google和Amazon Web Services）进行比较。尽管存在时间短暂，Sora仍影响了文本转视频技术的后续发展，并为关于版权、水印以及AI生成内容伦理使用的持续辩论做出了贡献。