Sora 是 OpenAI 于 2024 年发布的文本生成视频扩散模型，可根据自然语言提示生成最长约一分钟的高分辨率视频，展示复杂场景运动与物理一致性，推动视频生成进入可用阶段。
核心能力支持文本到视频、图像到视频；模型将视觉数据视为时空 patch 序列，在压缩潜空间做扩散去噪。早期访问通过 ChatGPT Plus 等渠道逐步开放。
技术路线基于 Transformer + 扩散框架，结合大规模视频-文本对预训练。OpenAI 强调模拟物理世界运动的能力，但仍有物体恒常性、因果错误等局限。
行业影响催生 Runway、Pika、Kling 等竞品加速迭代；影视预览、广告素材、教育演示成为首批落地场景，版权与深度伪造治理同步成为焦点。
常见误解日常交流中容易听到的简化说法，未必准确，但能帮助理解误解从何而来。
「OpenAI 的视频生成模型」「文本生成视频」「物理模拟很强」相关术语和本术语关联紧密的其他词条，便于串联理解。
→扩散模型→多模态→DDPM🎯 考点练习
含该术语的高频面试题，含标准答案与追问。
高级概念Sora 这类视频生成模型的技术路线是什么？
Sora 类把视频切成时空 patch，用 Diffusion Transformer 在 latent 上去噪，训练规模与时空一致性是关键。
查看详解 →高级概念3D 生成（NeRF / 3D Gaussian Splatting）是什么？
NeRF 用 MLP 拟合体密度与颜色靠体渲染（慢）；3D Gaussian Splatting 用显式高斯点光栅化（快、可实时）。
查看详解 →高级概念自回归图像生成（如 VAR）与扩散模型有何区别？
自回归图像生成按 token/尺度序列预测（VAR 用 next-scale prediction），扩散用迭代去噪，二者路线不同。
查看详解 →高级概念一致性模型（Consistency Models）如何实现少步生成？
一致性模型学习把概率流 ODE 轨迹上任意噪声点直接映射到轨迹起点（干净图），支持 1~few 步生成。
查看详解 →浏览全部面试题 →延伸阅读从知识库精选 3 篇文章，帮助深入理解该术语。
1AI Agent 编排模式与架构：从 ReAct 到多智能体协同的完整技术体系AI Agent 从单轮对话走向自主任务执行，核心挑战在于如何有效地编排 Agent 的思考、行动和协作流程。本文系统讲解 Agent 编排的完整技术体系——从经典的 ReAct 范式到 Supervisor-Agents 模式，从 Swarm 分布式协作到基于图的复杂工作流，涵盖架构原理、设计模式、代码实现、框架对比和生产实践，是构建生产级 Agent 系统的必读指南。
2AI Agent 编排系统设计模式：从单 Agent 到项目级自主编排的完整指南2026 年，AI Agent 从「单兵作战」迈入「项目级自主编排」时代。OpenAI Symphony 展示了 Agent 如何在真实代码库中自主规划、执行、审查和迭代。本文系统梳理 Agent 编排的六种核心设计模式、三种架构拓扑、通信协议选型指南，以及从零构建项目级自主编排系统的完整实战。
3多智能体世界模型：从 Agora-1 看共享环境的构建与协作范式多智能体世界模型是 AI Agent 从独立运行走向协作智能的关键基础设施。以 Odyssey 发布的 Agora-1 为切入点，系统解析共享环境建模、多 Agent 状态同步与协作推理的架构与实现路径
外部参考🌐维基百科：查看「Sora」词条↗本页内容为本站原创撰写；维基百科链接仅作延伸参考。
← 返回术语表