在视频理解这一领域，尽管多模态模型在短视频分析上取得了突破性进展，展现出了较强的理解能力，但当它们面对电影级别的长视频时，却显得力不从心。因而，长视频的分析与理解，特别是对于长达数小时电影内容的理解，成为了当前的一个巨大挑战。
今天起，大家可以给视频无缝生成音效了——Sound Effects！
随着 Sora 的爆火，人们看到了 AI 视频生成的巨大潜力，对这一领域的关注度也越来越高。
接触Sora没几天，主动放弃了8亿美元的电影制片厂扩建计划。
最近，OpenAI 视频生成模型 Sora 的爆火，给基于 Transformer 的扩散模型重新带来了一波热度，比如 Sora 研发负责人之一 William Peebles 与纽约大学助理教授谢赛宁去年提出的 DiT（Diffusion Transformer）。
终于有OpenAI之外的人，放出自己亲测的Sora视频了！
有了阿里的 EMO，AI 生成或真实的图像「动起来说话或唱歌」变得更容易了。
根据 OpenAI 披露的技术报告，Sora 的核心技术点之一是将视觉数据转化为 patch 的统一表征形式，并通过 Transformer 和扩散模型结合，展现了卓越的扩展（scale）特性。
Sora 的出现，会如何改变电子游戏开发和制作流程，带来怎么样的范式转移，也是行业关注的问题。
Sora颠覆影视业，现在来看还远。Bloomberg记者亲自试用后发现，Sora生成的视频还是翻车严重。而且，它的速度太太太太慢了！不过尽管如此，OpenAI已经创死了一片初创公司。
