Sora 2 System Card: 10-25 秒视频 + 同步音轨 + 角色注入
为什么这篇 System Card 重要
OpenAI 2024-02 发布 Sora 1 引爆视频生成讨论。 Sora 2 的 System Card（2025-09-30）是视频生成里程碑文档—— 它把视频 AI 从”看起来还行的 demo”推到”产品级可用”。
但同样令人惊讶的是——Sora 产品 2026-04-26 停止运营。 这份 System Card 同时记录了它的能力和它的商业失败。
核心能力（vs Sora 1）
| 维度 | Sora 1 (2024) | Sora 2 (2025-09) |
|---|---|---|
| 时长 | 最多 60s（实际不稳定） | 10-25s（稳定） |
| 音频 | 无 | 同步对话 + 音效 + 环境音 |
| 物理一致性 | 一般 | 大幅提升（篮球反弹、流体动力学接近真实） |
| 角色一致性 | 同场景内基本一致 | 跨场景 + 跨视频 |
| 多镜头 | 单镜头为主 | 多镜头持续叙事 |
关键创新
1. 角色 / 物体注入（Cameo）
最被广泛模仿的能力：
[参考视频：30 秒，展示一个人物]
+
[Prompt：在咖啡厅、在海边、在公园 3 个场景]
↓
Sora 2 输出
↓
[同一人物在 3 个不同场景，外貌、声音保持一致]
意义：
- 第一次商业化”AI 演员”——一段参考视频 → 无限二次创作
- 对内容创作者：拍一段自己 → 让 AI 帮你”出演”任意故事
- 对版权：引发”deepfake 商品化”的伦理 / 法律讨论
2. 同步音频
视频生成同时输出：
- 对话：唇形与语音匹配
- 音效：物体碰撞 / 脚步 / 环境声
- 环境音：风声、海浪、车流
这是和 Veo 3 同步发布的同一代能力——视频 + 音频不再分两套模型。
3. 物理一致性的”涌现”
System Card 强调：Sora 2 不是显式被训过物理规则，但表现出：
- 篮球未进会反弹回来（Sora 1 经常消失）
- 液体倾倒 → 飞溅 → 静止合理
- 重力 / 摩擦 / 弹性都”基本对”
注：这不是”理解物理”，是统计学习得到的”看起来物理对”—— 仍然会在罕见情况犯错（拓扑变形、不可能动作）。
4. Multi-shot Controllability
prompt 可以指定多个镜头：
[Shot 1: wide angle of city]
[Shot 2: close-up of a person walking]
[Shot 3: pan to sunset]
Sora 2 保持人物 / 环境 / 风格一致 → 真正的”短视频导演”能力。
系统架构（推测）
System Card 未公开完整架构。业界共识：
- Diffusion Transformer (DiT) 主干——Sora 1 的延续
- 空间 + 时间 patch：视频切成 4D patch
- 视觉 + 音频联合 codec
- 角色注入：基于 reference video 提取 identity embedding
- 推测训练用 数百万小时视频 + 大规模 RLHF / DPO 对齐
安全 / 防滥用
System Card 强调的措施：
- C2PA watermark：所有 Sora 2 输出嵌入不可见 + 可见水印
- 人脸 / 公众人物过滤：拒绝生成已知政治人物 / 名人
- 暴力 / NSFW 过滤器：训练时过滤 + 输出时检测
- Red Team 报告：发布前外部红队 6 个月测试
但实际效果：上线后大量”绕过水印”案例 + 大量明星 deepfake 投诉。
为什么 Sora 商业失败（2026-04-26 停运）
System Card 是产品上线时的文档——但仅半年后产品就停了。 完整故事在 OpenAI 内部，但公开能看到的：
1. 成本难以平衡
- 单条视频生成成本几美元到几十美元
- 用户付 $20-200/月想生成”无限视频”
- 单位经济模型不成立
2. 法律风险
- 多个州 / 国家关于 deepfake 的新立法
- 个人 / 公众人物起诉
- 内容审核团队 burden 极大
3. 应用层公司更适合
- Runway / Kling / Veo 都在持续运营——他们做的是专业工具
- Sora 作为消费产品定位含糊
- OpenAI 自己也更想专注 LLM 主线
4. Veo 3 / Kling 2 直接竞争
Google Veo 3 质量持平 + Google Workspace 集成； Kling 国内用户基础大。 Sora 2 “OpenAI 品牌” 没能转化成可持续业务。
OpenAI 在 stop 公告中说”将继续投入视频研究——但商业产品形态需要重新思考”。
它真正留下的遗产
虽然产品没活下来，Sora 2 的影响仍持续：
- 技术标杆：定义了”视频生成 SOTA”的标准
- 角色注入范式：被 Runway / Kling 等迅速复制
- C2PA 水印：第一个大规模 AI 视频水印实践
- 物理一致性：World Model 路线的重要数据点
推荐配套阅读
- HelloAI L5-06 视频生成
- HelloAI L5-02 Diffusion 数学
- 论文：Sora 1 技术报告（前作）
- HelloAI 资讯：Sora 2 发布报道
- Sora 2 System Card
Sora 2 是 AI 产品史上奇特的存在： 技术上达到了 SOTA，但商业上仅存活 7 个月。
它证明了：技术领先 ≠ 产品成功。 视频生成的可行商业模式仍未明朗——Runway / Kling 在专业市场活着，但消费级仍是问号。
后续：OpenAI 把视频研究并入”World Model” 主线——可能服务于具身智能（机器人 + 自动驾驶 + 仿真）。
想要更多论文精读
订阅每周精选 —— 下一篇论文笔记直接送邮箱。
讨论区
· 用 GitHub 账号登录评论src/components/Comments.astro 顶部填入
仓库 ID 和分类 ID（见组件注释里的配置步骤）。