增強版 Sora 生圖模型發(fā)布：不僅能直接在 ChatGPT 用，還搶了梗圖作者的飯碗

在 DeepSeek 24 小時前剛剛發(fā)布了 V3 模型 0324 版本更新之后，OpenAI 似乎真的有點「不甘示弱」的較勁感，在北京時間 3 月 26 日凌晨宣布了新產(chǎn)品的發(fā)布預(yù)告。

雖然在正式開始之前，有一些傳言猜測本次有可能發(fā)布 GPT-5，但根據(jù)以往 OpenAI 的各種產(chǎn)品發(fā)布節(jié)奏來看，這次并不會是一次重磅更新，但本次直播中，發(fā)布的整合進 ChatGPT 中的新版 Sora，還是給大家?guī)淼囊饬现獾摹腹?jié)目效果」。

目前，整合進 ChatGPT 中的 Sora，相比于獨立應(yīng)用版本，能力暫時被局限在了圖像生成，但據(jù) OpenAI 在直播中介紹，該模型比之前的模型有了質(zhì)的飛躍。

據(jù)介紹，開發(fā)團隊使用了GPT-4o「全模態(tài)」（或可以生成文本、圖像、音頻和視頻等任何類型數(shù)據(jù)的模型）能力為基礎(chǔ)，來開發(fā)這個版本的 Sora。因此用戶可以直接說出自己的需求，甚至上傳或者拍一張照片，作為提示詞來使用。

比如直播現(xiàn)場的演示環(huán)節(jié)，就直接用手機給 Sam Altman 在內(nèi)的三人來了張自拍，并要求 Sora 生成一張「動漫風(fēng)格的版本」。

這還沒完，他們?nèi)松踔吝€現(xiàn)場演示了讓 Sora 在圖片上添加一段文本「Feel The AGI」（感受通用人工智能）?，F(xiàn)場畫了第一張新版 Sora 的表情包。

這個現(xiàn)場生成的表情包不僅文本準(zhǔn)確清晰，并且準(zhǔn)確理解了當(dāng)代流行梗圖中的包括粗體字等必備元素，已經(jīng)能直接拿來當(dāng)梗圖發(fā)到各種群里了。

由于是 OpenAI 官方帶頭整活，評論區(qū)也有不少用戶也被激發(fā)熱情，嘗試著把相同的提示詞喂給 Grok，用相同的提示詞和照片，生成同樣風(fēng)格的內(nèi)容 ———— 但顯然效果還是比新版 Sora 差了不少，反而帶來了更喜感的效果。

除了帶頭畫梗圖，OpenAI 還演示了新版本 Sora 在文本渲染方面的改進，可以讓在圖像上生成沒有拼寫錯誤的連貫文本的成功率明顯提升。

在另一個演示場景中，OpenAI 團隊讓 Sora 去生成一幅用于理解相對論的漫畫卡片。

不同于以往生圖模型中，在文本生成部分經(jīng)常容易變得混亂不堪，甚至是「AI 造字」的情況發(fā)生，新版 Sora 其原生圖像生成，生成的文本，已經(jīng)沒有任何明顯錯亂，甚至還在漫畫生成了非常自然流暢的日文，意外的讓日文社區(qū)的不少日本用戶「炸鍋」。

對于圖片生成模型來講，過去正確渲染文本是一個巨大的挑戰(zhàn)。如果小標(biāo)題或文本元素有拼寫錯誤或錯誤，整個圖像都可能變得無法使用。

此外在這個案例中，OpenAI 還演示了類似對相對論這樣「世界上現(xiàn)有知識」的正確引用。

「如果我畫一張圖像，我會受到自身技能的限制……以及我積累的所有世界知識的限制，」 ChatGPT多模態(tài)產(chǎn)品負(fù)責(zé)人 Jackie Shannon 在接受媒體采訪時解釋這個功能的必要性。

「該模型將世界知識代入其中，因此當(dāng)你要求生成牛頓棱鏡實驗的圖像時，你無需解釋「牛頓棱鏡實驗」這件事它本身是什么，就能得到準(zhǔn)確的圖像?！?/strong>