Sora : OpenAI présente la vidéo générée comme un « simulateur du monde »
En février 2024, OpenAI dévoile Sora, capable de produire des vidéos d'une minute à partir d'un texte, et en décrit les principes dans une note de recherche.
Dans « Video generation models as world simulators », OpenAI explique que Sora découpe les vidéos en petits blocs dans l'espace et dans le temps, traités par une architecture Transformer combinée à la diffusion. Le modèle peut ainsi être entraîné sur des vidéos de durées, de formats et de résolutions variés.
Les exemples publiés montrent des scènes cohérentes sur une minute, avec des mouvements de caméra et des personnages persistants. OpenAI avance que ce type de modèle pourrait apprendre à simuler le monde physique.
La note reconnaît toutefois des limites nettes : interactions physiques mal rendues, comme un verre qui se brise, ou objets qui apparaissent spontanément. Sora a été ouvert au public à la fin de 2024.