OpenAI می‌گوید مدل هوش مصنوعی جدیدش می‌تواند بفهمد که اشیاء مورد نظر کاربر در دنیای واقعی چطور به نظر می‌رسند. Sora این چنین دستورهای متنی را به دقت تفسیر می‌کند و کاراکترهای دقیقی می‌سازد که احساسات‌شان پرجنب‌و‌جوش به نظر می‌رسد.

مدل هوش مصنوعی تازه OpenAI افزون‌بر تبدیل متن به ویدیو می‌تواند ویدیو را از روی عکس تشکیل کند و این چنین توانایی پرکردن فریم‌های خالی ویدیوها و حتی افزایش زمان آن‌ها را دارد.

دموهایی که از Sora نمایش داده شده‌اند، شامل مواردی همانند نمایی قدیمی از کالیفرنیا و ویدیویی در داخل توکیو خواهد شد. در اکثر این مثالها، می‌توان با مقداری دقت فهمید که ویدیو توسط هوش مصنوعی ساخته شده است. OpenAI می‌گوید که Sora امکان پذیر در نمایش دقیق فیزیک‌های محیطی پیچیده به مشکل بخورد؛ اما به‌طور کلی نتایج حاصل از این هوش مصنوعی زیاد چشمگیرند.

تا همین چند سال پیش، سرویس‌های تبدیل متن به عکس نظیر میدجرنی سروصدای بسیاری به پا کردند و اکنون نوبت سرویس‌های تبدیل متن به ویدیو است که خودنمایی کنند. شرکت‌هایی همانند ران‌اوی و پیکا مدل‌های هوش مصنوعی جذابی برای ساخت ویدیو از روی متن معارفه کرده‌اند و حتی گوگل هم سرویسی شبیه دارد.

سرویس Sora فعلا به‌صورت محدود در دسترس کاربران خاص قرار دارد تا برسی‌های نهایی درمورد‌ی آن انجام بگیرند. OpenAI این چنین دسترسی به Sora را برای برخی از هنرمندان و طراحان و فیلمسازان ممکن کرده است تا بازخورد آن‌ها را دریافت کند.