闻乐 发自 凹非寺

量子位 | 公众号 QbitAI

Sora2太卷了。

居然能预测ChatGPT的输出、渲染HTML?!

图片

让它模拟“给ChatGPT发信息”,它不仅生成了画面,还来了一段有问有答的“交互”。

先是编了一个问题:Write a playful haiku about a cat staring out the window.(写一首关于猫凝视窗外的俏皮俳句。)

然后又以ChatGPT回答的模式给出了音频回应:Whiskers pressed to glass. Birds gossip beyond the pain. Tail flicks. Daydreams fly.(中文大意是:“胡须紧贴玻璃。鸟儿在窗外叽喳。尾巴轻摇。白日梦飞扬。)

全程以ChatGPT的机械女声回答,并且俳句音节还卡得严丝合缝。

这段视频场景+LLM推理的实测效果让一众网友惊叹,甚至有人说“Sora2模糊了视频生成和交互式AI的边界”。

图片

实际上不仅是像这样能预测ChatGPT的推理回答,Sora2还能渲染HTML。

通过了玻璃折射测试

还有人让Sora2渲染粘贴的HTML代码,于是得到了如下效果:

图片

而这段代码在真实浏览器中渲染的样子be like:

图片

不能说毫不相关,只能说“一模一样”啊。

看来Sora2不仅是视频生成器,还能充当浏览器。

图片

不仅是模拟交互、懂代码,Sora2甚至还挺懂物理。

当输入提示:

在桌子上放一张立着的纸,纸上画有两个箭头,一个在另一个下方,两个箭头指向同一个方向。然后在箭头前面放一个大的玻璃杯,使得从玻璃杯中可以看到箭头。接着将玻璃杯装满。

得到的效果为:

图片

Waht??没有明确提示翻转镜头的情况下也能主动体现玻璃折射现象。

对此,网友表示:insane。

图片

或许Sora2也知道自己正在“被测试了”。(doge)

图片

除此之外,还有网友实测发现在没有具体细节提示的情况下,Sora2对《赛博朋克》游戏中的一个支线任务要素能精准还原。

提示词:

生成《赛博朋克 2077》中使用巨龙坦克和帕纳姆的游戏画面。

图片

地图位置、生物群落、地形、车辆设计、帮派名称等关键要素都记得,只有两个小细节出了错:

一个是将巨蜥坦克的移动方式表现成了有轮子(实际应该是悬浮的)。

还有一个是帕纳姆的位置有错误(应该在坦克内,不是炮塔上)。

作者认为,虽然网络上存在该支线任务的视频教程,但毕竟只是支线任务,Sora2能从众多信息中准确提取关键并整合,也反映了一定的智能和信息处理能力。

关于这些高能表现,有不少人认为Sora2可能是基于LLM训练的。

图片

图片

或许我们还没挖掘到Sora2的其他“特殊能力”。

图片

你有什么看法呢?用Sora2生成了什么好玩的~

参考链接:
[1]https://x.com/elder_plinius/status/1973103844063322421
[2]https://x.com/elder_plinius/status/1973124528680345871
[3]https://x.com/jesperengelen/status/1973147038499086523
[4]https://x.com/pallavmac/status/1973141663557226806

一键三连**「点赞」「转发」「小心心」**

欢迎在评论区留下你的想法!

—  —

🏆 年度科技风向标****「2025人工智能年度榜单」评选报名开启啦!我们正在寻找AI+时代领航者 点击了解详情

❤️🔥 企业、产品、人物3大维度,共设立了5类奖项,欢迎企业报名参与 👇 

图片

一键关注 👇 点亮星标

科技前沿进展每日见