OpenAI 发布音视频模型 Sora 2：遵循物理规律，还推出独立社交 App

还记得初代 Sora 刚出来时那只走路走着走着就突然多出一条腿的小狗吗？当时的 AI 视频模型为了完成提示词，动不动就让现实扭曲变形。

现在 OpenAI 端出了第二代。9 月 30 日，OpenAI 正式发布音视频生成模型 Sora 2，并把它比作视频领域的「GPT-3.5 时刻」。与模型一同上线的，还有一个主打共创与熟人互动的独立 Sora iOS 应用。

投不进的球，终于会砸在篮板上了

初代 Sora 证明了规模扩展能让模型摸到物理世界的边缘，但那更像是一种表面模仿。一旦篮球投偏了，旧模型为了交差，可能会直接把球瞬移进篮筐里。

Sora 2 最明显的进化就在这里。OpenAI 表示，新模型学会了遵循物理定律：投丢的篮球会自然砸在篮板上反弹。即使模型犯错，看起来也更像是场景里内部模拟的实体犯了错，而不是整个世界在融化。

无论是在单桨冲浪板上做后空翻时表现出的浮力和刚度动态，还是复杂的体操动作，Sora 2 都能处理得更加逼真。同时，它具备了跨多镜头的世界状态持久化控制能力，并涵盖真实、电影以及动漫等多种视觉风格。

更关键的一点是，Sora 2 不再是个哑巴模型。作为通用音视频生成系统，它能直接同步合成逼真的环境背景音景、人物对白以及细节音效，彻底省去了后期配音对口型的麻烦。

录一段视频，把自己扔进任何世界

除了物理和音频，OpenAI 这次最想推的概念叫做「角色」（Characters）。

用户只需要在 app 里录制一段简短的音视频完成身份验证并提取特征，Sora 2 就能把你、你的朋友或宠物精准放进任何生成出来的场景里，同时还原样貌和声音。OpenAI 团队透露，这个功能在内部测试时就让大家玩疯了，感觉像是从短信、表情包、语音之后的又一次沟通方式演进。

围绕这个功能，OpenAI 直接上线了一款独立的 Sora iOS 社交应用。在里面，你可以刷可定制的视频流、创作内容，或者把朋友生成的片段拿来二次混剪（remix）。

为了打消外界对社交成瘾和垃圾信息流的担忧，OpenAI 强调这款 app 不以延长用户停留时长为目标。推荐算法由语言模型驱动并支持自然语言指令调节，界面还会定期询问用户感受。针对青少年用户，系统设置了默认浏览上限与更严格的角色使用权限，家长还能通过 ChatGPT 进行管控。

目前 Sora iOS 应用已开放下载，首阶段在美国和加拿大采用邀请制测试，获得资格后也可在网页端 sora.com 使用。官方承诺 Sora 2 初始阶段提供免费额度，ChatGPT Pro 订阅用户后续还能体验更高画质的 Sora 2 Pro，未来也将开放 API 接入。

为什么重要

把视频生成模型包装成一个带熟人关系的社交网络，是 OpenAI 走得极其聪明、但也充满争议的一步。

对创作者和普通人来说，Sora 2 的多模态同步把制作短片的门槛直接砸穿了。以往做一段带环境音、对白和连贯镜头的短片，需要在不同工具间来回倒腾，现在一句话加一个角色采样就能完成闭环。但初期邀请制的限制以及算力天花板，注定普通用户很难随心所欲地无限制渲染，真正的普及还要看后续 API 成本和生成速度。

在行业层面，这直接改变了 AI 视频工具的竞争赛道。Runway、Pika 等同行此前主要聚焦在专业影视工作流与创作者工具，而 OpenAI 却转头杀向了 TikTok 和 Instagram 的腹地。当 AI 视频不仅仅是生产力工具，而是变成了人人可以把朋友做成模因二创的社交载体，内容消费和分发的逻辑就被彻底重构了。

我们认为，这也是一次大胆但风险极高的人性试验。OpenAI 试图用语言模型来打造一个「健康不沉迷」的信息流，并给肖像权上了严格的撤销权限。但当高度逼真的换脸与声音克隆走向熟人社交，霸凌、虚假信息和隐私授权的边界往往比算法预想的更难把控。这不仅考验 Sora 2 的物理引擎，更考验 OpenAI 对真实人类社会的治理能力。