详解Sora背后的技术（32篇论文分析）

近期，文字生视频AI大模型Sora横空出世后，成为了人工领域讨论的焦点，人们震惊于它1分钟长视频的视频生成质量以及其强大的功能，引起了广泛的讨论。

Sora是怎么做到这个效果的呢，在OpenAI的官方网站，发布了技术报告，这篇报告从较高维度介绍了Sora的技术路径，（我们也在技术报告发布之初做了中文版的同步更新，详见这里：OpenAI新发布Sora技术文档（全文）），这篇报告中并未介绍其具体的技术点，但是列出了全部的参考文献。这些参考文献为我们提供了深入了解Sora技术背后的机会。本篇文章旨在通过研究这些文献，更好地理解Sora模型的原理和实现方法。

文献参考整体结构

首先，我们可以将这些论文分成几个模块，而每个模块里面还可以继续细分，这说明这些论文是有结构的，整个研究领域既有一个端到端（end-to-end）的方法论，同时也包括模型具体的操作层面的内容。

这些论文的来源有32篇，其中12篇直