Sora 2

Sora 2是OpenAI於當地時間2025年9月30日（台北時間10月1日凌晨）發布的新一代視頻生成模型，OpenAI在官方部落格中表示，“Sora 2是視頻生成領域的 GPT-3.5時刻。”。

美國當地時間2024年2月15日，OpenAI在官網發布視頻生成模型Sora，該模型可根據文字生成一段長達1分鐘的視頻。當地時間2025年9月30日，OpenAI發布視頻生成模型Sora 2，向所有用戶免費開放，並推出一款iOS套用Sora（Sora 2是Sora APP的技術底座）。其核心突破是從一個“視頻生成器”進化為一個“世界模擬器”，在物理模擬、真實感和可控性方面顯著提升。Sora 2能夠處理複雜的動作場景，如體操或划槳運動，同時遵循物理規則，如動量和浮力。另一個重大突破，是在生成畫面的同時，還能同步生成與之匹配的環境音、物體互動聲，甚至是符合語境的對話；雖然 AI 視頻和音頻現在都很強，但“聲畫一體”帶來的真實感完全不同，這讓 AI 視頻真正擁有了“靈魂”。

在地區上線方面，美國和加拿大的ChatGPT用戶將率先體驗Sora 2和新套用，隨後逐步擴展至其他國家和地區。在使用層面，Sora 2向所有用戶免費開放，但設有使用次數限制；ChatGPT Plus用戶與免費用戶享有相同許可權，ChatGPT Pro用戶則可使用高畫質版本 “Sora 2 Pro”。當地時間2025年10月6日，開放Sora 2 API預覽許可權；10月16日再次發布更新，普通用戶可以生成15秒的視頻，專業用戶則可以生成長達 25 秒的視頻；10月17日，OpenAI模型Sora 2上線微軟Azure AI Foundry（國際版）。

基本介紹

• 外文名：Sora 2
• 所屬公司 ：OpenAI
• 發布時間：2025年10月1日凌晨(台北時間)
• 類別：視頻生成模型

行業背景

2024年初，OpenAI首次展示其原版Sora模型，以逼真的AI視頻效果震驚業界。但當時的公測節奏緩慢，直到2024年底才先向少數創意合作夥伴開放。在此期間，AI視頻生成領域迅速發展，Runway、Luma、Kling、Higgsfield等初創公司推出了眾多更高質量且自帶音頻生成功能的逼真AI視頻模型，讓第一代Sora模型在音效與編輯功能上明顯落後。

發展歷程

2025年7月23日，有技術博主發布分析指出，OpenAI正計畫推出新一代視頻生成模型Sora 2，此舉被視為應對谷歌Veo 3競爭的重要布局，新模型有望成為當前最強的AI視頻生成工具之一。

當地時間2025年9月30日（台北時間10月1日凌晨），OpenAI發布視頻生成模型Sora 2。Sora 2首次支持與畫面匹配的AI音頻生成，並推出一款iOS套用Sora，讓用戶能夠通過全新“入鏡”（Cameo）功能，將自己或好友置入生成視頻中。OpenAI還宣布，Sora套用的API將在數周內上線，面向第三方開發者開放。第三方開發者將能夠把Sora 2模型集成到自己的視頻編輯套用中，解鎖更精細的專業編輯功能，推動視頻生成技術向新方向發展。OpenAI還確認，安卓版Sora套用目前仍處於開發之中。 在地區上線方面，OpenAI表示，美國和加拿大的ChatGPT用戶將率先體驗Sora 2和新套用，隨後將逐步擴展至其他國家和地區。Sora 2免費向所有用戶開放，但有使用次數限制；ChatGPT Pro用戶可使用更高畫質的“Sora 2 Pro”模型；ChatGPT Plus用戶則與免費用戶一樣，不額外享受升級權益。同日，OpenAI執行長山姆·奧特曼在博文中將Sora套用稱為“創造力領域的ChatGPT時刻”。他表示，早期用戶普遍認為“入鏡”是一種新穎而有吸引力的社交方式，但同時警告該服務存在成癮與霸凌風險。

當地時間10月6日，OpenAI面向開發者生態開放API預覽許可權。開發者可直接在自有套用中調用驅動Sora 2的核心模型，將其視頻生成能力融入產品場景。

台北時間10月16日，就在Sora 2發布半個月後，谷歌火速推出了最新視頻模型Veo 3.1和Veo 3.1 Fast，正面迎戰OpenAI。OpenAI也放出了Sora 2的更新，稱普通用戶可以生成15秒的視頻，專業用戶則可以生成長達 25 秒的視頻。10月17日，微軟宣布，OpenAI的新一代多模態視頻生成模型Sora 2現已在Azure AI Foundry（國際版）上線，進入公共預覽階段。即日起，Sora 2可通過Standard Global API在Azure AI Foundry（國際版）上開啟使用，定價0.1美元/秒。

變體

Sora 2 系列目前提供兩個變體，針對不同使用場景最佳化。

Sora 2：注重速度與靈活性，適用於創意探索階段，注重快速反饋而非極致畫質。特點是生成速度快、質量佳，適合快速疊代、概念驗證或粗剪階段。推薦用途：社交媒體內容、產品原型、需要快速產出的項目。

Sora 2 Pro：支持專業級畫質，適用於需要高質量視頻的場景、可直接用於生產的內容。其渲染時間更長、成本更高，但輸出更加穩定、細膩、逼真。推薦用途：高解析度電影鏡頭、行銷視頻、以及對視覺精度要求極高的項目。

功能特色

• Sora 2將重塑AI視頻生成領域

Sora 2則被定位為“GPT-3.5時刻”，在物理模擬、真實感和可控性方面顯著提升。Sora 2能夠處理複雜的動作場景，如體操或划槳運動，同時遵循物理規則，如動量和浮力。相較於早期系統可能出現的“籃球瞬間傳送進籃筐”等問題，Sora 2能夠真實模擬投籃未中時的反彈效果。此外，該模型還能同步生成對話、背景音效和聲音效果，創造出從逼真到動漫風格的統一視聽體驗。“入鏡”功能是Sora 2的一大亮點。用戶只需進行一次性短視頻錄製，捕捉自己的形象和聲音，即可將自己或朋友插入生成的視頻場景中。直播中，OpenAI強調該功能完全基於用戶自願參與，設有驗證機制以防止冒充，且用戶可隨時撤銷授權。

Sora 2生成的畫面視頻截圖

Sora套用的使用模式

Sora套用是體驗Sora 2模型的主要入口。它支持視頻創作與二次編輯，提供個性化推薦流和社交協作功能。用戶可以通過“入鏡”加入他人視頻，或對熱門內容進行再創作。視頻風格與基調則由用戶的提示詞引導。

Sora套用在發布初期採用邀請制，OpenAI希望用戶能與朋友一同加入。不同於傳統社交媒體平台，該套用的推薦機制不以延長用戶瀏覽時間為目標，而是優先推薦激發創作靈感的內容。推薦內容更傾向於用戶關注或互動的對象，用戶還可通過自然語言指令調整個性化設定。

Sora iOS套用免費提供，配有較為寬鬆的使用限制，但受限於算力資源。未來，OpenAI計畫推出可選付費套餐，以滿足用戶對視頻生成的高需求。ChatGPT Pro訂閱用戶將通過sora.com及套用內獲得更高畫質的“Sora 2 Pro”模型。

• 構建Sora 2生態

OpenAI還透露，sora將新增storyboard工具，讓創作者逐鏡控制視頻結構，預計數周內上線。與此同時，Sora 2 API將在近期推出，供開發者集成至第三方工具。正如OpenAI研究員在直播中所言：“很多細分場景下用戶會創造出驚人的作品，我們未必需要親自開發所有編輯功能，API可以讓開發者去完成。

OpenAI將Sora 2定位為娛樂與創作工具，同時也是其在“世界模擬”與“物理現實互動”方向的重要嘗試。該公司承認系統仍不完美，但這標誌著邁向“模擬現實”的新進展。通過工具升級、社交套用、身份保護機制與即將面向開發者的API，OpenAI 顯然希望將Sora 2打造成既是消費級產品，也是開放平台。

相關訪談

2025年10月9日，OpenAI聯合創始人、總裁格雷格・布洛克曼接受知名科技評論人馬修・博曼的深度專訪，圍繞Sora 2模型的重大突破核心議題展開深入探討。

一、Sora 2依然是一款Transformer模型

博曼：非常感謝接受本次採訪。首先想從Sora模型的擴展方向展開，特別是9月 30日發布的Sora 2版本。擴展Sora這類視頻生成模型，與擴展文本或圖像模型相比，在本質上存在哪些核心差異

布洛克曼：從根本上而言，巨觀層面仍遵循深度學習的基本機制與核心原理。需依託大量計算資源實現大規模擴展，這一過程涵蓋前向傳播、反向傳播與梯度下降。從更細緻的層面來看，Sora 2依舊是一款 Transformer模型，這一點極具啟發意義。採用了差異化的訓練方式，可能會聯想到擴散模型（Diffusion），或是向模型注入算力資源的其他路徑。但最令人意外的是，儘管文本與視頻屬於看似截然不同的模態，但其學習與生成過程背後的計算邏輯卻存在高度重疊，這一事實蘊含著深刻的技術啟示。

博曼：你是否看好 Transformer 架構將我們推進到下一個階段，或許是更完整的世界模型？Sora 2無疑是邁向這一方向的重要一步。

布洛克曼：一方面，有人可能會質疑我們是否遺漏了關鍵創新理念，是否需要另一項與Transformer同級別的範式突破。我認為創新空間依然巨大，且我們已見證持續進展，算法層面的進步始終與整體發展保持同步。我們曾開展多項研究以精準追蹤相關曲線，尚未發現停滯跡象；同時，擴展曲線與數據曲線也在持續延伸。正是對多重限制因素（Limiting Reagents）的不斷最佳化，推動了這場技術革命，模型性能也隨之逐步提升。我認為AGI的架構不會與當前模型完全一致，但二者在整體框架上存在相似性的可能性極高。

二、Sora 2為何走社交化

博曼：繼Sora 1之後，為何選擇將Sora 2打造為社交體驗（Social Experience），而非沿用Sora 1的傳統模式供用戶使用

布洛克曼：我們決定構建何種產品界面，核心取決於模型的能力，這與ChatGPT的推出邏輯一致。當時我們發現，模型具備泛化能力並能利用對話上下文信息，本質上更適合成為聊天模型。對於Sora 2，我們也有類似判斷，需基於模型的優勢、劣勢及核心新功能確定方向。但對我而言，任何產品界面或模型後訓練（Post-training），都會在深層次上縮小原始模型的潛力。這些原始基座模型（Raw Base Models）的使用門檻極高，但蘊含“宇宙級” 的可能性。

博曼：Sora 2是一款能模擬世界的“世界模型”。楊立昆（Yann LeCun）認為，大語言模型不足以實現AGI，因語言無法完整建模世界。你是否同意這一觀點？為何？世界模型是AI未來的關鍵嗎？

布洛克曼：過去5-10年的經驗表明，語言模型確實能構建世界模型，儘管早期有觀點認為書面語言不足以支撐這一目標。例如，早期GPT-3.5無法理解“將杯子從桌上拿起，大理石在哪裡？”（答案是 “仍在桌上”），但GPT-4及後續模型已具備空間意識。這一軌跡表明模型將逐步攻克看似不可能的任務。奧特曼曾表示，“智慧型本質上是預測能力”，這一觀點支撐了“大語言模型可通往AGI”的判斷。

爭議事件

2025年11月29日，據外媒 Futurism報導，消費者監督組織 Ekō發布了一份名為《OpenAI Sora2：危害的新邊界》的報告，展示研究人員使用以 13 歲和 14 歲青少年身份註冊的賬號生成的畫面。示例包括：青少年吸食大麻或使用古柯鹼，與朋友一起吸毒，一名女孩吸毒時旁邊放著手槍；還有黑人青少年集體吟唱侮辱性台詞，甚至持槍在公共區域或學校走廊出現。Ekō的研究人員指出，由於 OpenAI 季度虧損規模巨大，公司急於尋找新的收入來源並保持在 AI 競賽中的領先位置，這種壓力使得青少年被迫成為“大規模無監管 AI 實驗”的試驗對象，安全被置於次要位置。Ekō警告稱，而 Sora2 生成暴力與令人不安內容的難度極低，這種內容很容易病毒式傳播，從而將會進一步加劇風險。