OpenAI đã chính thức ra mắt Sora 2.0, phiên bản nâng cấp lớn của công cụ sinh video từ văn bản. Sora 2.0 có khả năng tạo video độ dài tối đa 60 giây với độ phân giải 1080p và 30 khung hình/giây, kèm theo âm thanh nền và hiệu ứng âm thanh được sinh ra đồng bộ với hình ảnh. Đây là bước tiến vượt trội so với Sora 1.0, vốn chỉ có thể tạo video 10 giây với độ phân giải 720p và không có âm thanh.
Sora 2.0 sử dụng kiến trúc 'Video Diffusion Transformer' kết hợp với mô hình ngôn ngữ lớn để hiểu sâu sắc ngữ cảnh và logic vật lý trong video. Ví dụ, khi nhập prompt 'Một con chó chạy theo bóng của nó trên bãi cỏ vào buổi hoàng hôn', Sora 2.0 có thể sinh ra video với chuyển động bóng tự nhiên, ánh sáng thay đổi theo thời gian và âm thanh sột soạt của cỏ. Khả năng này được gọi là 'Physical Reasoning', giúp video sinh ra trông chân thực hơn rất nhiều so với các đối thủ như Runway Gen-3 hoặc Pika 2.0.
Theo TechCrunch, Sora 2.0 sẽ được tích hợp vào ChatGPT Plus và ChatGPT Pro, với giới hạn 20 video/ngày cho người dùng Plus và 200 video/ngày cho Pro. Giá mở rộng thêm gói video là 20 USD/tháng. Nhiều nhà làm phim độc lập đã thử nghiệm Sora 2.0 và đánh giá đây là công cụ thay đổi游戏规则 (game-changer) cho quy trình tiền sản xuất, cho phép tạo storyboard và concept video chỉ trong vài phút thay vì vài tuần. Tuy nhiên, vẫn còn tranh cãi về vấn đề bản quyền hình ảnh và âm thanh, đặc biệt là khi video sinh ra có thể vô tình giống với các tác phẩm đã có bản quyền.