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？！

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”。

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：

而这段代码在真实浏览器中渲染的样子be like：

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。

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：

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。

或许Sora2也知道自己正在“被测试了”。（doge）

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。

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。

或许我们还没挖掘到Sora2的其他“特殊能力”。

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