红衣大叔讲AI：从OpenAI发布首个视频大模型Sora，谈2024年视觉大模型的十大趋势_大模型sora的工作原理

OpenAI宣布推出全新的生成式人工智能模型“Sora”。据了解，通过文本指令，Sora可以直接输出长达60秒的视频，并且包含高度细致的背景、复杂的多角度镜头，以及富有情感的多个角色。

OpenAI发布首个视频大模型Sora，一句话生成一分钟视频。Sora可以直接输出有多个角色、多种场景和运镜的画面。比如一段提示词为：镜头穿过熙熙攘攘的东京街道，跟随几个人享受雪天并逛街。在Sora生成的视频中，镜头从天空的雪花中俯冲，跟着一对牵手的情侣，走过日本风格的街道。

2024年视觉大模型的十大趋势：

1. AI电影将无处不在，无时不有
2. 人类正式进入视觉生产力时代，视觉时代
3. 视觉大模型将无处不在，无时不有
4. 人人皆成网红和导演
5. 视频提示工程元年
6. RAG视觉知识库增强检索
7. AI Agent人工智能体元年
8. 视频大模型微调
9. AIGC（生成式人工智能）正式开启AIGC时代
10. 人人开启元宇宙时代

Sora视觉大模型的技术原理：

Sora继承了DALL-E 3的画质和遵循指令能力，可以根据用户的文本提示创建逼真的视频，该模型可以深度模拟真实物理世界，能生成具有多个角色、包含特定运动的复杂场景，能理解用户在提示中提出的要求，还了解这些物体在物理世界中的存在方式。