OpenAI 探討影片生成模型作為世界模擬器，並介紹 Sora

OpenAI 訓練文字條件式擴散模型，最大模型 Sora 可生成一分鐘高保真影片。模型在不同時長、解析度和長寬比的影片與圖像上聯合訓練，並以 Transformer 架構處理影片和圖像的時空區塊及潛在編碼。研究結果認為，擴大影片生成模型規模是構建通用物理世界模擬器的一條有前景路徑。