计算机行业专题研究：Text-to-Video的GPT-3时刻已来：OpenAI的SORA模型引领新技术突破-20240222-天风证券-12页

行业报告行业专题研究计算机投资评级证券研究报告行业评级2024年02月22日Text-to-Video的GPT-3时刻已来：OpenAI的SORA上次评级模型引领新技术突破强于大市(维持评级)强于大市OpenAI发布了最新文生视频大模型SORA，可以生成1分钟长视频，效果作者显著，在生成的视频细节，内容一致性和指令遵循能力独树一帜缪欣君分析师2月16日，OpenAI首次对外公布了SORA文生视频模型，SORA模型可以直接输出长达60秒的视频，并且包含高度细致的背景、复杂的多角度镜头，SAC执业证书编号：S1110517080003以及富有情感的多个角色。相比较而言，RunwayGen2、Pika等AI视频工具，都还在突破几秒内的连贯性，而OpenAI，已经达到了史诗级的纪录。miaoxinjun@tfzq.comOpenAI目前已经邀请了一支专业的创意人士测试，用于反馈其在专业环境中的实用性。刘鉴联系人liujianb@tfzq.comSORA模型在训练中将不同类型视觉素材统一为时空LatentPatch，采用Diffusion-transformer结构并大规模训练，再次展现“暴力美学”行业走势图从technicalreport窥探技术路径，OpenAI在文生视频领域再次展现“暴力18%计算机沪深300美学”，SORA在模型结构上使用了DiffusionTransformer结构，采用了大规10%2023-062023-10模的训练，在数据上将图片和视频统一压缩转换为时空LatentPatches并作为transformer输入，而这一步也使得模型能够在不同分辨率、持续时间和2%宽高比的视频/图像数据上进行训练，同时为了提高模型的理解能力，SORA-6%使用了DALL-E3模型中的re-captioning技术，训练了一个caption模型为-14%视频数据生成文字字幕。-22%-30%SORA模型已具备了一定的涌现能力，虽然也存...