OpenAI发布视频生成模型Sora技术报告。Sora是文本条件扩散Transformer，在时空图像块上训练，可生成最长一分钟高清视频，支持多种分辨率、时长和宽高比。采用统一视觉块表示，结合重述技术提升文本遵循度。Sora展现3D一致性、长程连贯、物体持久性及模拟数字世界等涌现能力，但物理模拟仍有局限。