Sora是由OpenAI开发的文本转视频模型及社交媒体应用。利用人工智能，它可根据文本提示生成短视频片段，并能扩展现有视频。OpenAI于2024年2月15日首次预览Sora，发布的示例片段展示了其从简单描述中生成高清、逼真场景的能力。该模型后来于2024年12月公开可用，第二版带有社交功能的产品于2025年9月推出。Sora于2026年停用，应用于当年4月26日关闭，API于9月25日关闭。
Sora背后的技术改编自OpenAI的文本转图像模型DALL-E 3的架构。Sora使用了一种扩散Transformer，这是一种深度学习模型，通过在潜在空间中对3D补丁进行去噪来生成视频。该模型在公开可用和许可的受版权保护视频上训练，但OpenAI未披露确切来源。Sora可生成最长一分钟的视频，但在模拟复杂物理、理解因果关系以及区分左右方面存在局限。OpenAI限制了涉及性、暴力、仇恨或名人内容的提示，以及包含现有知识产权的素材。
背景
在Sora之前，已有其他几种文本转视频模型被开发出来，包括Meta的Make-A-Video、Runway的Gen-2以及谷歌的Veo。OpenAI也于2023年9月发布了DALL-E 3，该模型可从文本提示生成图像。Sora在此基础上推进，旨在突破生成式视频的边界。
团队以日语中“天空”一词为模型命名，寓意其“无限的创造潜力”。这一命名反映了OpenAI的雄心，即打造一个能根据文本描述生成几乎任何场景的工具。
初始发布与公开访问
2024年2月15日，OpenAI首次预览Sora，发布了多段由它生成的高清视频片段。示例包括一辆SUV沿山路行驶、一个“短毛怪”在蜡烛旁的动画、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，Sora可生成时长最长一分钟的视频。公司还分享了详细介绍训练方法的技术报告，CEOSam Altman发布推文，以Sora生成的视频回应用户提示。
在公开版本发布前，OpenAI向一支由错误信息和偏见领域专家组成的“红队”提供了有限访问权限，用于对抗性测试。公司还将Sora分享给一小部分创意专业人士，包括视频制作人和艺术家，以收集关于其在创意领域实用性的反馈。
截至2024年12月9日，OpenAI逐步向美国和加拿大的ChatGPT Pro及ChatGPT Plus用户开放Sora。2025年2月，OpenAI宣布计划将Sora集成到ChatGPT中，使用户可直接从聊天机器人生成视频。
Sora 2及社交功能
Sora 2于2025年9月30日发布，同时推出iOS应用，Android应用在两个月后上线。新版本整合了社交媒体功能，使得该应用在风格和功能上明显类似TikTok，正如Wired等媒体所指出的。Sora 2生成的所有视频均带有可见的动态数字水印，以防止滥用。然而，2025年10月7日，404 Media报道称，发布后一周内，能够移除水印的第三方程序已变得普遍。
Sora 2还引入了安全水印，以帮助观众区分真实与虚构内容。该应用的社交功能允许用户分享和互动生成的视频，使其成为短视频平台的竞争者。
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于2026年9月25日停用，标志着Sora AI品牌的终结。OpenAI与迪士尼的合作关系，包括允许Sora中使用迪士尼角色的许可协议，也随之结束。
这一决定促使英国科技新闻网站The Register将OpenAI称为“产品杀手”，效仿了谷歌、亚马逊网络服务、博通、Cloud Software Group和Netscape等公司的做法。OpenAI在其关闭通知中未提供具体原因，但相关报道将此决定与计算资源短缺、成本压力以及向核心企业产品的转向联系起来。
公开上线后，Sora的全球用户数量峰值约为一百万，随后下降至不足五十万。由于视频生成对计算资源的高需求，该服务预计每日运营成本约为100万美元。
法律与版权问题
2024年11月，一群测试人员在Hugging Face上泄露了Sora的API密钥，并发布宣言，抗议Sora被用于“艺术洗白”。OpenAI在泄露发生三小时后撤销了所有访问权限，并表示“数百名艺术家”参与了开发，且参与是自愿的。
在Sora 2上线时，默认允许受版权保护的内容，除非版权持有者主动选择退出。2025年10月3日，OpenAI表示未来更新将给予版权持有者“更细粒度的控制”，但未明确是否会移除现有内容。10月6日，美国电影协会主席批评了OpenAI在Sora 2中对待版权的方式。
2025年12月11日，华特迪士尼公司宣布向OpenAI投资10亿美元，作为为期三年的许可协议的一部分，允许Disney+用户使用Sora 2生成超过200个受版权保护的角色，包括来自迪士尼动画、皮克斯、漫威影业和星球大战的角色。
能力与局限
Sora的技术是DALL-E 3架构的改编。据OpenAI介绍，Sora是一种扩散Transformer，即以Transformer为去噪器的去噪潜在扩散模型。视频通过在潜在空间中对3D补丁去噪生成，然后通过视频解压缩器转换到标准空间。重新标注使用视频转文本模型创建详细描述，增强了训练数据。
OpenAI使用公开可用的视频和许可的受版权保护视频训练Sora，但未披露数量或确切来源。该模型仅从数据集中便学会了创建3D图形，研究员Tim Brooks指出。同事研究员Bill Peebles注意到，该模型自动学习了某些视觉概念。
尽管能力强大，Sora仍存在已知缺陷，包括模拟复杂物理、理解因果关系和区分左右的能力有限。这些局限是当时生成式视频模型的典型问题，这些模型在长期一致性和物理准确性方面存在困难。
影响与遗产
Sora在2024年2月的预览在生成式人工智能领域引起了广泛关注，展示了文本转视频技术的快速进步。它影响了关于AI生成媒体潜力和风险的讨论，包括对错误信息和版权的担忧。然而，该模型在2026年的停用凸显了维持资源密集型AI产品的挑战，即使对OpenAI这样的领先公司也不例外。
Sora的遗产包括其为视频生成模型发展所做的贡献，以及其在提升公众对AI创造能力认知方面的作用。其关闭也成为了关于此类技术商业可行性的一项案例研究，因为成本和竞争不断加剧。