OpenAI 官方博客T1·基座大模型
92 分
OpenAI 正式公布其文本到视频生成模型 Sora,提出“视频生成模型即世界模拟器”的核心论点。该模型基于扩散 Transformer 架构,在大规模视频数据上进行训练,能够生成长达一分钟的高保真、连贯且符合物理规律的视频内容。这一突破标志着多模态生成从静态图像向动态时空模拟的关键跨越。
Spacetime Patches
将视频帧分解为三维块以同时处理空间和时间信息的方法
OpenAI 正式公布其文本到视频生成模型 Sora,提出“视频生成模型即世界模拟器”的核心论点。该模型基于扩散 Transformer 架构,在大规模视频数据上进行训练,能够生成长达一分钟的高保真、连贯且符合物理规律的视频内容。这一突破标志着多模态生成从静态图像向动态时空模拟的关键跨越。