AIGC行业趋势：Sora横空出世，向多模态应用加速迈进.pdfVIP

互联网行业|行业追踪

AIGC行业趋势：Sora横空出世，

向多模态应用加速迈进

近期，OpenAI的Sora的横空出世再一次引发市场对AIGC的关

注，文生视频领域取得重大突破，效果远超预期。我们将围绕

Sora的核心优势、技术特点、行业影响、未来趋势等方面进行

阐述。

相较于此前的文生视频模型，Sora取得哪些突破？

近期，OpenAI发布了文生视频模型Sora，可以用文字指令生成

长达1分钟的高清视频。相较于此前市场上的同类模型，如

Runway、Pika等，Sora的生成效果有大幅提升，远超预期：

首先，视频长度方面，Sora可以生成长达60秒的视频，长度

远远大于其他AI视频模型的几秒钟长度。

其次，Sora在视频内容质量稳定性方面有大幅的提升，镜头多

角度切换，视频中的主角和背景能够保持高度一致性和稳定性。

此外，Sora还展示了其对物理世界部分规律的理解，这也是一

重大突破，甚至能够实现一定程度的物理交互。

Sora的核心优势和技术特点体现在哪些方面？

Sora的技术优势在于“Patches”和深度语言理解。Sora是一个

在不同时长、分辨率和宽高比的视频及图像上训练而成的扩散

模型，同时采用了Transformer架构。Sora模型的技术优势和特

点主要在于：

视觉数据Patches化：相较于大语音模型把所有的文本、符号、

代码都抽象为Tokens，Sora则把视频抽象为Patches（补片），

是一种具备高度扩展性且适用于视频和图片生成式模型训练

的有效表示（图表1）；

视频压缩网络（Videocompressionnetwork）：将原始视频进行

压缩，从而降低视觉数据维度，用于训练并生成视频；

时空补片技术（Spacetimelatentpatches）：给定一个压缩的输

入视频，模型提取一系列时空补片（patches），用于对不同分

辨率、时长和长宽比的视频和图像进行训练；

扩展Transformer视频生成：Sora是一个扩散Transformer模

型，通过输入噪声patches训练来预测除噪的原始patches。

OpenAI在这项研究中发现，扩散型Transformer同样能在视频

模型领域中完成高效扩展（图表2）；

视频多样化：相较于一些模型使用标准尺寸视频用于训练或

生成，Sora能够处理不同分辨率、时长、宽高比的视频，在采

样灵活性、改进框架和构图方面有显著优势；

语言理解：基于GPT模型的深度语言理解，能够更加准确地

理解提示词所表达的真实需求；

图生视频、视频生视频：除了文生视频外，Sora也能够通过输

入图像和视频用于生成视频，能够实现静态图片动态化、视频

向前和向后拓展、视频编辑等能力（图表3）。

本研究报告由浦银国际证券

互联网行业|行业追踪

Sora模型对哪些行业影响更大？

Sora最直接的影响主要是对视频行业造成冲击，这将对于广告

业、电影预告片、短视频行业以及游戏带来颠覆。Sora大大降

低了视频制作的门槛和成本。

对于国内AI创业公司的影响：和ChatGPT一样，我们认为Sora

的出现也会吸引国内玩家追随，但由于文生视频模型的训练

难度和成本更大，准入门槛也进一步提高。

Sora影响最大的将是短视频行业，未来或将极大地提升内容

供给及创作质量，尤其是流量热点驱动的内容，或将进入“全

民创作”时代。同时，文生视频技术或将为当下热门的短剧市

场带来变数，短剧重心有望回归高质量剧本创作。

长视频由于对内容质量等专业化要求较高，AI生成视频在精

准度、可编辑性等方面仍需进一步打磨，高额的成本也或是短

期应用落地阻碍，但长期来看其未来发展空间足够广阔。

对于游戏行业，Sora模型有助于进一步提高开发效率。文生视

频能力可降低游戏CG和PV制作成本，可用于丰富游戏剧情

和故事情节，提升玩家代入感。

视频相较于文字而言，对于算力的需求将会是几何式的增长。

我们认为算力限制可能是影响文生视频类应用开放使用的重

要因素。

2024年AIGC行业有哪些趋势？

多模态模型或在2024年迎来爆发。此前大模型在各个领域的应

用，主要集中在