Sora 2 多镜头连续性 — 世界状态保持

之前的问题

假设你用 Runway Gen-2 生成两段视频，都是同一个人在同一片沙滩上：

镜头 1：穿着红色救生衣的男人从左边跑到右边镜头 2：同一个男人弯腰捡贝壳

在 2024 年的模型里，这两个镜头里的「男人」大概率长得不一样——脸型、头发、衣服细节都会变。「沙滩」也可能从阴天变成晴天。

这是因为每一段视频都是独立生成的，模型没有一个持续的世界状态。

世界模拟器架构的一个直接好处就是：世界状态是持续运转的。当你连续生成两个镜头时，模型内部的状态里一直记着：

所以第二个镜头里，男人的长相、衣服、光照、场景都能和第一个镜头对得上。

评测者发现：

这意味着什么？意味着你可以用 Sora 2 讲一个多镜头的小故事，而不是只能生成零散的单镜头片段。这是从「工具」到「创作伙伴」的质变。

多镜头连续性仍然有明显的天花板：

所以真正完整的短视频，还是需要大量人工介入。但 Sora 2 把「从零开始做一个像样的多镜头概念验证」的门槛从几周降到了几小时。