OpenAI推出独立短视频社交应用Sora 2，将如何改变抖音/TikTok的格局？

Sora 这一应用，似乎是 OpenAI 在商业化探索中迈出的重要一步。

借助 Sora 2 强大的生成高质量画面的能力，以及同步配音等功能，OpenAI 希望用户能够在平台上不断进行创作。然而，若谈及它是否能够撼动抖音的市场地位，我认为这几乎是不可能的。这是因为 Sora 目前的功能相对有限，且许多其他视频生成模型也具备类似的能力，难以形成明显的差异。

回想起 Sora 发布之初，确实令人震惊。但经过一年多的时间，其他视频生成模型逐渐迎头赶上，而当初的 Sora 也明显落后于该领域的尖端技术。

曾有观点认为 OpenAI 可能会暂停视频生成技术的开发，但 Sora 2 的推出打破了这一传言，向外界宣告了曾经的巨头重返舞台。

其模型的优势不容小觑

• 物理感知的提升： 运动、碰撞、重力、材质交互都更加真实，不再像“AI 画画”那样脱离实际。
• 连贯叙事与多镜头支持： 跨镜头的故事能够保持一致的世界状态，风格可以自由切换。
• 客串功能： 通过一次短视频录制，系统能“数字化”你或你的朋友，以极高的还原度出现在任何生成场景中。

官方定义与功能

OpenAI 在官网上正式宣布推出其“旗舰级”的视频和音频生成模型 Sora 2，其物理准确性、可控性和真实感相较前代有了显著提升。

例如，在人物动作生成方面，Sora 2 能够提供更精确的控制，比如“一个男人在桨板上做后空翻”。

又如，生成体操运动员动作时，几乎看不到明显的瑕疵：

Prompt: a man does a backflip on a paddleboard

OpenAI 认为 Sora 2 可能是视频生成领域的 GPT-3.5，它能够完成以往视频生成模型难以实现的任务。

在可控性方面，Sora 2 也取得了突破，能够遵循多镜头下复杂的指令，并准确保持世界状态。它在现实主义、电影和动漫风格上均表现出色。

在动漫风格的生成上，能够控制不同镜头，生成的人物保持高度一致性：

Prompt: in the style of a studio ghibli anime, a boy and his dog run up a grassy scenic mountain with gorgeous clouds, overlooking a village in the distant background

不仅如此，它还能够同步生成对白、音效与环境声，实现“视听一体”的沉浸体验。

与此同时，OpenAI 推出了 Sora 应用 ：一个类似短视频社交平台的应用，用户可以通过文字提示或图像输入，生成大约 10 秒的 AI 视频，并支持“Remix”创作及形象授权管理等功能。

Sora 应用目前在美国和加拿大以邀请制形式上线，未来计划扩展至更多国家和地区。

技术进步对比：Sora 与 Sora 2

与第一代 Sora 相比，Sora 2 在多个方面都实现了显著升级：

其中一个特别的功能是，在 Sora 应用中，用户可以进行角色共享创作。例如，当某用户上传自己的短视频映射形象后，其他用户可在获得授权后将其作为角色放入自己生成的视频中，且该角色本身享有“共创拥有权”，可随时撤回授权。

当然，OpenAI 在“负责任发布”方面也进行了周密布局，包括内容安全过滤、形象使用权限控制和滥用监测机制等。

尽管如此，Sora 2 依然存在一些问题，测试中发现：

• 物理和运动逻辑失真： 虽然 Sora 2 在物理模拟上有所进步，但在复杂动作、极端变形和非线性交互时仍可能出错。例如，人物说话时口型有些夸张，转场后人物形象可能有所偏差，单镜头表现相对稳定。
• 连贯性与时间跨度限制： 目前生成的视频时长较短（如 10 秒），仍无法支持长篇叙事。
• 风格和细节控制困难： 在特定艺术风格、复杂光照效果及细微表情动作的控制方面，仍然是“黑箱”领域。

总结

总体来看，Sora 2 在人物动作控制上确实有显著提升，尤其是在原生配音方面，个人认为优于 Veo3。

然而，Sora 是否能够留住用户，走出属于自己的道路，关键在于生态的构建与持续创新。仅靠技术亮点是远远不足的，如何围绕用户需求构建丰富的创作场景，形成稳定的内容生产闭环，才是决定其市场地位的核心因素。用户不仅关注技术是否领先，更在意体验是否流畅、使用是否便捷，这将是 Sora 未来需要不断完善的方向。