【摘 要】文生視頻大模型Sora的問世受到全球矚目，如何利用AIGC推動圖書視頻化發(fā)展成為新的研究熱點。Sora在圖書視頻化中的應(yīng)用潛力主要表現(xiàn)為高質(zhì)量內(nèi)容呈現(xiàn)、靈活個性創(chuàng)意表達、響應(yīng)市場趨勢和賦能經(jīng)濟增長。針對Sora在圖書視頻化應(yīng)用中面臨的技術(shù)局限、算法失衡、公眾偏見和數(shù)據(jù)安全監(jiān)管不足等挑戰(zhàn)提出相應(yīng)對策，推動Sora在圖書視頻化領(lǐng)域的發(fā)展，為AIGC賦能圖書視頻化發(fā)展提供啟示。

【關(guān)" 鍵" 詞】人工智能；Sora；圖書視頻化；視頻創(chuàng)作

【作者單位】羅弦，湖州師范學(xué)院人文學(xué)院；徐伊冉，湖州師范學(xué)院信息工程學(xué)院。

【基金項目】2024年度浙江省教育科學(xué)規(guī)劃項目“智媒時代‘?dāng)?shù)字閱讀’賦能大學(xué)生媒介素養(yǎng)提升路徑研究”（2024SCG041） 的階段性成果；中國廣播電視社會組織聯(lián)合會2024年度媒介素養(yǎng)專項研究重點項目“數(shù)智時代浙江省大學(xué)生媒介素養(yǎng)研究”（2024ZGL010）的階段性成果。

【中圖分類號】G206 【文獻標(biāo)識碼】A 【DOI】10.16491/j.cnki.cn45-1216/g2.2025.04.013

圖書視頻化是借助數(shù)字媒體技術(shù)，將閱讀體驗從靜態(tài)文本和圖片拓展至動態(tài)視頻的過程。其發(fā)展順應(yīng)了讀者日益增長的視頻化內(nèi)容消費偏好，豐富了數(shù)字閱讀的體驗，拓寬了圖書的受眾范圍，成為數(shù)字閱讀領(lǐng)域新的發(fā)展趨勢。2023年，AI視頻技術(shù)迅猛發(fā)展，從無到有，涌現(xiàn)數(shù)十種視頻生成產(chǎn)品。2024年2月15日，OpenAI公司繼2022年成功推出ChatGPT后，發(fā)布其首款文生視頻模型Sora；同年12月，Sora的公開版本正式發(fā)布。該模型能夠根據(jù)文本描述生成時長達1分鐘的高清視頻，公開版本則支持生成分辨率最高1080p、時長20s的無水印視頻，這標(biāo)志著AI視頻技術(shù)取得了突破性的進步。本文對現(xiàn)有文生視頻模型的演進路徑進行梳理，聚焦Sora的技術(shù)特色，探討其未來在圖書視頻化領(lǐng)域的應(yīng)用前景，并嘗試分析Sora賦能圖書視頻化過程中的挑戰(zhàn)及對策，為未來Sora融入圖書視頻化領(lǐng)域提供參考。

一、Sora的技術(shù)革新與應(yīng)用

1．文生視頻模型的技術(shù)演進

文生視頻模型（Text-to-Video）作為AI視頻技術(shù)的前沿分支，正逐步改變?nèi)藗儎?chuàng)造和欣賞視頻內(nèi)容的方式。始于學(xué)習(xí)技術(shù)與計算機視覺的深度融合，文生視頻模型從聚焦于生成對抗網(wǎng)絡(luò)（GANs）與變分自編碼器（VAEs）的初級形態(tài)，躍遷至由Transformer和擴散模型主導(dǎo)的先進階段，并在現(xiàn)有技術(shù)基礎(chǔ)上實現(xiàn)了變革性突破，孕育出Sora這一里程碑式的模型。

文生視頻模型早期技術(shù)的探索聚焦于生成對抗網(wǎng)絡(luò)和變分自編碼器的應(yīng)用，二者分別通過生成器與判別器的對抗訓(xùn)練，以及編解碼過程，初步生成視頻內(nèi)容。但其受限于幀間連貫性和細節(jié)一致性，生成的視頻往往顯得粗糙且不夠穩(wěn)定。隨著技術(shù)不斷演進，Transformer模型的引入為文生視頻技術(shù)帶來了質(zhì)的飛躍。Transformer具備強大的“編碼—解碼”能力，不僅能將文本指令轉(zhuǎn)化為視頻內(nèi)容，還極大地提升了視頻生成的邏輯連貫性和內(nèi)容多樣性，Phenaki、NUWA等模型的推出標(biāo)志著這一技術(shù)路線的成熟與廣泛應(yīng)用。

2024年2月，OpenAI公司發(fā)布了其首款文生視頻模型——Sora，這一名稱寓意無限的創(chuàng)造潛力。作為“世界模擬器的視頻生成模型”，Sora不僅沿襲了Transformer架構(gòu)和擴散模型的優(yōu)點，還通過技術(shù)創(chuàng)新實現(xiàn)了從文本提示到60s視頻生成的流暢轉(zhuǎn)換。它借鑒了大型語言模型的標(biāo)記化策略，采用視覺補丁作為基本單元來處理圖像和視頻數(shù)據(jù)：首先，利用視頻壓縮網(wǎng)絡(luò)將原始視頻轉(zhuǎn)換為低維的潛在表示，并拆分為時空補丁；其次，提取補丁作為Transformer（轉(zhuǎn)換器）架構(gòu)中的輸入標(biāo)記，以適應(yīng)不同格式的視覺要求；最后，借助擴散模型從噪聲中逐步還原出更清晰的視覺補丁，搭配Transformer進行轉(zhuǎn)換組合，生成符合文本提示視頻的同時解碼回原空間。未來，Sora的技術(shù)優(yōu)勢若應(yīng)用到圖書視頻化領(lǐng)域，可將復(fù)雜的文章情節(jié)轉(zhuǎn)化為生動連貫、內(nèi)容高度還原的圖書視頻，為圖書內(nèi)容的視覺化呈現(xiàn)提供全新可能。

2．Sora的技術(shù)突破與創(chuàng)新實踐

在Sora誕生前，已有數(shù)十款文生視頻產(chǎn)品問世，那么Sora引起轟動的原因是什么，和熱門文生視頻模型Runway、StableVide相比，技術(shù)差別在何處？

一是視頻時長的巨大突破。傳統(tǒng)的文生視頻模型只能生成2s至18s的視頻，難以滿足用戶對復(fù)雜、詳細、連貫、完整敘事場景的應(yīng)用需要。Sora將文生視頻模型的時長上限一舉延長至60s，大幅提升了視頻的時序連貫性和情節(jié)豐富度，是AI視頻技術(shù)發(fā)展史上里程碑式的飛躍。OpenAI公司在Sora官網(wǎng)的著陸頁中放置了Sora生成的一段59s的視頻示例，體現(xiàn)了Sora生成視頻超強的連貫性和敘事能力以及在細節(jié)處理上的精細程度。

二是物理仿真的部分涌現(xiàn)。Sora技術(shù)團隊在Sora的著陸頁中表示，“該模型不僅理解用戶在提示中請求的內(nèi)容，還理解這些事物在物理世界中的存在方式”［1］。從示例中我們可以看到，玻璃球體特寫鏡頭中玻璃的反光，火車車窗上的倒影，以及機器人在賽博朋克環(huán)境中活動時所展現(xiàn)的復(fù)雜場景切換等，體現(xiàn)了Sora作為一個世界模擬器在生成更加真實的動態(tài)效果方面的重大突破。物理仿真涌現(xiàn)和能力不僅確保了物理一致性，還增強了對細節(jié)和微小變化的捕捉能力，包括3D一致性、長距離相干性和對象持久性等。

三是畫面質(zhì)量和視頻擴展性的躍升。基于DALL-E（文生圖）和GPT模型的成功經(jīng)驗，Sora沿襲了其細膩逼真的畫質(zhì)和強大的提示理解能力，并顯著提升了視頻質(zhì)量。Sora支持1920×1080的高分辨率，并能處理多種縱橫比，使用DALL-E3技術(shù)能保障視頻的每一幀都具備極高的藝術(shù)感染力與視覺質(zhì)感。此外，Sora在文生視頻的基礎(chǔ)上還支持擴展已有的視頻片段，包括向前向后的時間延伸、改變視頻中的環(huán)境條件、輸入插值以實現(xiàn)視頻無縫銜接等。

二、Sora圖書視頻化應(yīng)用的潛力

目前，已有不少圖書類視頻在各媒體平臺廣泛傳播，人工智能正逐步介入視頻制作過程，旨在為讀者提供更加生動和豐富的閱讀體驗。若能將Sora應(yīng)用于圖書視頻制作中，將會推動圖書產(chǎn)業(yè)改革，拓展圖書出版新形式。

1．技術(shù)創(chuàng)新下的高質(zhì)量內(nèi)容呈現(xiàn)

將靜態(tài)圖書轉(zhuǎn)變?yōu)閯討B(tài)視頻有兩個要求：其一，確保視頻表達圖書內(nèi)容的準確性，忠實于著作原意；其二，充分發(fā)揮視頻高表達力優(yōu)勢，提升視頻質(zhì)量，以提供更好的閱讀體驗。Sora基于先進的GPT模型，結(jié)合自然語言處理（NLP）技術(shù)去理解書中的情節(jié)、對話以及細節(jié)，實現(xiàn)對原著的忠實呈現(xiàn)。在人物塑造方面，Sora利用情感和語義識別等功能，捕捉角色心理狀態(tài)，通過表情、語氣刻畫使角色形象更貼合原著；在場景還原方面，Sora借助大數(shù)據(jù)技術(shù)和網(wǎng)頁檢索能力，精確再現(xiàn)作品中特定時期的建筑風(fēng)格和風(fēng)俗習(xí)慣等。同時，Sora突破性的涌現(xiàn)能力和物理仿真能力提升了視頻畫面的真實度，使視頻不僅更符合現(xiàn)實世界的邏輯，還能支撐環(huán)境與物體行為的細致互動。如猛犸象走過覆蓋白雪的草地時揚起的塵土，男子吃下漢堡時留下的咬痕等。此外，3D一致性技術(shù)確保了鏡頭移動和場景轉(zhuǎn)換時，角色外觀和光影環(huán)境的一致性。這些技術(shù)的綜合應(yīng)用，使Sora在滿足圖書視頻化基本要求的基礎(chǔ)上，有效提升了視頻內(nèi)容的真實感和沉浸感。

Sora在視頻質(zhì)量方面的表現(xiàn)也超出平均水平。一方面，Pro版本支持生成1080p高分辨率的視頻，提供了卓越的細節(jié)表現(xiàn)力和視覺質(zhì)量：高分辨率支撐視頻顯示更多細節(jié)，如復(fù)雜背景中的店鋪名稱、人物表情和肢體動作，同時能夠捕捉更多更準確的色調(diào)變化和光影效果，更好地展現(xiàn)物體質(zhì)感，使得視頻具有更細膩的色彩表現(xiàn)。另一方面，Sora采用的DALL-E模型為視覺呈現(xiàn)提供了堅實的基礎(chǔ)，使得視頻的每一幀畫面都具備電影級別的質(zhì)感和藝術(shù)感，創(chuàng)造出一種極具觀賞性的視覺體驗。高分辨率和高觀賞性的結(jié)合充分發(fā)揮了視頻媒介強沖擊力和吸引力優(yōu)勢，顯著提升讀者參與度與閱讀沉浸感。

2．技術(shù)簡化下的靈活個性創(chuàng)意表達

Sora參與圖書視頻化制作與傳統(tǒng)視頻制作模式相比，顯著優(yōu)勢之一就是幾乎不存在技術(shù)門檻。Sora支持通過用戶輸入的文字、圖像或視頻文件生成視頻。這一制作模式極大簡化了視頻制作流程，減少了對專業(yè)技能和設(shè)備配置的依賴性，可以吸引更多非專業(yè)人士如個人創(chuàng)作者、出版機構(gòu)等參與圖書視頻化的創(chuàng)作。這不僅為創(chuàng)作者提供了更大的創(chuàng)作空間，還將加速圖書推廣和出版行業(yè)融合發(fā)展的步伐。

Sora圖書視頻化應(yīng)用的另一大優(yōu)勢是其具備高度定制化特征。Sora支持“在個人時間軸上組織和編輯視頻的獨特序列”［2］，這一功能決定了視頻能高度遵循用戶喜好，基于原著內(nèi)容改進視頻風(fēng)格、角色形象、背景設(shè)定等，以滿足讀者期望。此外，Sora還具備修改靈活的優(yōu)點。根據(jù)OpenAI對Sora的概述，其不僅可以“使用Remix替換、刪除或重新構(gòu)想視頻中的元素”，還能夠“查找并隔離最佳幀，將它們向任一方向擴展以完成場景”或是“使用Loop修剪并創(chuàng)建無縫重復(fù)的視頻”［2］。在示例中，技術(shù)人員將門后的景觀由圖書館變?yōu)橛钪骘w船，再變?yōu)閰擦趾驮虑?，但無論如何變換都看不出任何修改痕跡。如果將“制作定制化”和“修改靈活化”兩個優(yōu)勢結(jié)合應(yīng)用于圖書視頻化過程，不僅可以在初稿階段就滿足大多數(shù)讀者對內(nèi)容場景的想象，還可以根據(jù)市場反饋及時調(diào)整視頻風(fēng)格，從而滿足不同國家和文化背景下讀者的需求。

Sora文生視頻技術(shù)預(yù)示著對傳統(tǒng)視頻制作模式的根本性變革，制作周期將縮短至前所未有的分鐘級。這一革新簡化了以往的腳本擬定、實際拍攝及后期剪輯等復(fù)雜環(huán)節(jié)；無論是創(chuàng)作新視頻，還是進行重拍與重編，都體現(xiàn)了該技術(shù)顯著的靈活性、高效性優(yōu)勢。利用“SDEdit”方法能夠在保證視頻主體不動的情況下，迅速實現(xiàn)視頻背景的無縫變換，省時省力的同時有效減少銜接瑕疵；借助即時反饋與優(yōu)化機制，視頻具有極高的可塑性和修改自由度，視頻內(nèi)容能夠迅速迭代更新，以貼合觀眾審美趨勢與市場需求的快速演變，在提升視頻品質(zhì)與增強觀眾滿意度方面取得雙重成效。

3．?dāng)?shù)字閱讀市場下的廣闊應(yīng)用前景

隨著互聯(lián)網(wǎng)和移動設(shè)備的普及以及數(shù)字文化建設(shè)的全面推進，數(shù)字閱讀成為全民閱讀的重要組成部分?！?024年度中國數(shù)字閱讀報告》顯示，2024年我國數(shù)字閱讀用戶規(guī)模達6.7億，數(shù)字閱讀用戶規(guī)模占網(wǎng)民規(guī)模的比例已超過50%。與此同時，視頻社交平臺如抖音、嗶哩嗶哩等蓬勃發(fā)展近10年，收獲了大批忠實用戶?！兜?4次中國互聯(lián)網(wǎng)絡(luò)發(fā)展?fàn)顩r統(tǒng)計報告》顯示，“截至2024年6月，我國網(wǎng)民規(guī)模近11億人，互聯(lián)網(wǎng)普及率達78.0%。其中，短視頻成為新增網(wǎng)民‘觸網(wǎng)’的重要應(yīng)用，短視頻‘拉新’能力最強?！保?］這些數(shù)據(jù)表明，將數(shù)字閱讀與視頻內(nèi)容結(jié)合的視頻閱讀，具有堅實的用戶基礎(chǔ)和廣闊的市場前景，是數(shù)字文化建設(shè)的必然趨勢。

數(shù)字時代，讀者對高質(zhì)量、個性化和多樣化的閱讀體驗需求日益增長，在短視頻內(nèi)容漸趨同質(zhì)化的當(dāng)下，圖書視頻化不僅能夠滿足人們對高質(zhì)量視覺內(nèi)容的渴望，還為傳統(tǒng)圖書提供了新的生命力，使其在數(shù)字時代煥發(fā)新生。Sora圖書視頻化應(yīng)用恰好響應(yīng)了數(shù)字閱讀發(fā)展這一市場需求。Sora為視頻創(chuàng)作者簡化了從靈感萌芽到視頻制作的過程，允許用戶根據(jù)個人偏好定制視頻的視覺風(fēng)格和敘述方式。經(jīng)典文學(xué)可以通過短劇、水墨畫或卡通動畫等形式演繹表達；科幻故事可以結(jié)合VR、AR技術(shù)打造沉浸式互動體驗；科普書籍可以通過視頻動畫、情景演繹等幫助讀者更好地理解和記憶。Sora將來還可能根據(jù)受眾不同的文化背景和語言需求，自動調(diào)整配音、字幕，甚至為視障和聽障讀者提供視覺描述與手語翻譯服務(wù)。

短視頻爆炸式發(fā)展的時代，內(nèi)容同質(zhì)化和用戶注意力碎片化現(xiàn)象普遍存在，因而年輕一代更重視視頻內(nèi)容的個性化和刺激感，偏好兼具深度與個性的視聽享受。Sora圖書視頻化應(yīng)用輔以其他先進技術(shù)，可以為讀者營造一種沉浸式且獨一無二的閱讀體驗，這不僅可以豐富傳統(tǒng)出版物的內(nèi)容生態(tài)，還將吸引更偏愛視頻而非純文字閱讀的潛在讀者，激發(fā)視頻平臺在內(nèi)容創(chuàng)新和差異化競爭上的活力。

4．產(chǎn)業(yè)融合下的經(jīng)濟新助力

Sora圖書視頻化應(yīng)用既是對市場趨勢的精準響應(yīng)，又是驅(qū)動視頻出版新生態(tài)發(fā)展的重要力量。

一是提供了更多就業(yè)和創(chuàng)業(yè)的可能。一方面，Sora參與視頻制作可大幅降低人力物力成本，對經(jīng)濟社會的整體增長起到促進作用。另一方面，Sora可降低視頻創(chuàng)作的費用門檻，低成本的創(chuàng)作模式將打破視頻制作的專業(yè)壁壘，使創(chuàng)意實現(xiàn)不再受制于資金，為有抱負的年輕創(chuàng)作者開辟了個人創(chuàng)作乃至商業(yè)化發(fā)展的道路。

二是促進知識付費領(lǐng)域的繁榮。未來，隨著更多人投身于Sora制作圖書視頻這一領(lǐng)域，競爭的加劇將促使創(chuàng)作者不斷提升Sora的使用水平與賬號運營水平，進而推動視頻制作培訓(xùn)、賬號管理課程等行業(yè)的蓬勃發(fā)展。同時，借鑒音頻、短劇和影視劇行業(yè)的成功案例，圖書視頻可以采取會員制或單集付費模式，實現(xiàn)內(nèi)容的商業(yè)化。Sora圖書視頻化應(yīng)用的本質(zhì)是借助視頻媒介推廣書籍，鼓勵全民閱讀，因而在推廣閱讀的同時，通過直播售書等方式，不僅能增強讀者的參與感，還能為內(nèi)容創(chuàng)作者、出版社和書商開辟多元化的盈利渠道。

三、Sora圖書視頻化應(yīng)用的挑戰(zhàn)與對策

Sora的橫空出世為圖書視頻化注入了嶄新活力，有著良好的應(yīng)用前景，也有望推動數(shù)字閱讀進程，并可能成為圖書出版業(yè)轉(zhuǎn)型的重要推手。但不容忽視的是，Sora圖書視頻化應(yīng)用在推進過程中或?qū)⒚媾R多重挑戰(zhàn)。只有直面潛在挑戰(zhàn)，分析并制定應(yīng)對策略，Sora的圖書視頻化應(yīng)用實踐才有望實現(xiàn)健康長遠發(fā)展。

1．多維創(chuàng)新突破技術(shù)局限

文生視頻模型在圖書視頻化領(lǐng)域的實際應(yīng)用對Sora提出了更高的技術(shù)要求和幾乎零失誤的苛刻條件，但當(dāng)前AIGC技術(shù)處于起步階段，面臨多項亟待解決的技術(shù)挑戰(zhàn)，且其“本身具有復(fù)雜性、擴展性、不可控性、不可預(yù)知性等特點”［4］，這些短板在跨產(chǎn)業(yè)融合過程中尤為突出，由此衍生的新業(yè)態(tài)呈現(xiàn)不穩(wěn)定性與難以駕馭的特性。一方面，Sora的技術(shù)成熟度距生成商業(yè)化圖書視頻仍有一定距離。OpenAI在其官網(wǎng)簡介中坦誠，Sora 可能難以模擬復(fù)雜場景的物理特性，并且可能無法理解因果關(guān)系的特定實例，如有時無法準確模擬人物在跑步機上的運動軌跡或玻璃破碎的情景。另一方面，Sora生成的圖書視頻在保障情節(jié)忠實度與現(xiàn)實邏輯性方面仍存在風(fēng)險，“生成式人工智能具有深度偽造能力，可以生成與現(xiàn)實高度相似的虛假文本、圖片、音視頻等內(nèi)容或是生成侵權(quán)內(nèi)容”［5］。這些內(nèi)容隱蔽、難以被審查發(fā)現(xiàn)，若經(jīng)由社交媒體廣泛傳播可能引起難以預(yù)計的后果。

面對技術(shù)挑戰(zhàn)，筆者認為可以分階段制定策略。在研發(fā)初始階段，建立健全的技術(shù)評估與測試體系，包括內(nèi)部壓力測試、外部獨立評審以及用戶反饋循環(huán)，力爭全方位把控技術(shù)穩(wěn)定性。在視頻創(chuàng)作階段，針對視頻內(nèi)容準確性和邏輯性，可以通過重點收集和訓(xùn)練涉及復(fù)雜物理場景和因果關(guān)系的數(shù)據(jù)來提升模型的理解與模擬能力；增加視頻審核環(huán)節(jié)，引入專家評審機制，邀請原著作者、專業(yè)編輯和技術(shù)專家共同參與視頻初稿的多輪審核，保證視頻的嚴謹與合理性，提升視頻質(zhì)量。

2．多元視野糾正算法失衡

算法失衡根植于訓(xùn)練數(shù)據(jù)，帶有文化價值和情感傾向的數(shù)據(jù)在無數(shù)次訓(xùn)練中慢慢滲透形成偏見。盡管Sora的訓(xùn)練細節(jié)尚未公開，鑒于其廣泛吸收包含歐美在內(nèi)的全球多元文化語料，算法失衡滋生的歧視性內(nèi)容對用戶價值觀念的潛在影響不可小覷。圖書視頻是文化領(lǐng)域的傳播媒介，若Sora生成的視頻內(nèi)隱含異化的價值導(dǎo)向，不僅有損原著精神與作者權(quán)益，還可能誤導(dǎo)觀眾以致他們形成錯誤認知。

針對Sora創(chuàng)作視頻過程中隱含的算法失衡問題，制定實施綜合策略至關(guān)重要。一方面，應(yīng)構(gòu)建防御算法失衡的壁壘，核心是多樣性和包容性。Sora在開發(fā)過程中應(yīng)積極采集來自全球各地、涵蓋各種文化背景和社會階層的數(shù)據(jù)，削弱某一特定文化或價值觀的過度代表，使其生成的視頻不僅貼合國內(nèi)觀眾的需求，而且具備廣泛的適用性和包容性。另一方面，應(yīng)構(gòu)建透明的算法審計和評估系統(tǒng)，并在視頻生成階段引入審查程序。結(jié)合Sora已發(fā)布的安全措施，與跨學(xué)科專家合作對模型進行對抗性測試，在盡可能減少人自身認知判斷局限的基礎(chǔ)上，最大限度降低生成錯誤信息、仇恨內(nèi)容等的可能性；開發(fā)檢測工具，引入視頻生成階段的圖像分類與文本過濾系統(tǒng)，對輸出內(nèi)容進行持續(xù)審查與偏差校正，從而在技術(shù)與倫理層面共同保障生成視頻的公正性與安全性。

3．互動共創(chuàng)消融公眾偏見

Sora技術(shù)在未來發(fā)展成熟并投入圖書視頻應(yīng)用后，公眾對其生成內(nèi)容的接受度也將面臨挑戰(zhàn)，部分讀者可能對Sora圖書視頻化應(yīng)用這一新興模式存在偏見。這種偏見可能來自讀者對Sora技術(shù)本能的戒備心理，一種對未知事物的自然警覺——他們質(zhì)疑AI生成視頻內(nèi)容的真實性。偏見也可能來自某些根深蒂固的觀念，如AI生成視頻往往遵循某種模式，創(chuàng)造的內(nèi)容缺乏深度等。一些讀者可能偏好真人演繹或講解，因此對AI生成視頻的風(fēng)格感到不適應(yīng)。不論AI視頻風(fēng)格如何改變，其呈現(xiàn)的AI風(fēng)格與人工制作或真人演繹視頻的風(fēng)格之間的差異依舊無法避免，所以部分觀眾可能暫時難以調(diào)整自己的審美預(yù)期，短期內(nèi)無法接受Sora生成的視頻。

針對Sora生成的視頻和公眾接受度之間的矛盾，可制定多維度的宣傳互動策略，逐步培育用戶對Sora的接受度及認可度。在技術(shù)層面，應(yīng)提高技術(shù)信息透明度，通過組織研討會、發(fā)表技術(shù)白皮書闡明Sora的核心技術(shù)機制及獨特優(yōu)勢，并引入業(yè)界專家與原著作者的權(quán)威認證，以緩解公眾的擔(dān)憂與抵觸；在制作層面，可展示Sora生成的高質(zhì)量圖書視頻，鼓勵用戶參與視頻創(chuàng)作并反饋問題，強化其對產(chǎn)品的信任度和對平臺的歸屬感。針對偏好真人元素的受眾可以開發(fā)Sora與真人講解結(jié)合的混合型內(nèi)容，使之更貼近真人視頻的質(zhì)感和表現(xiàn)力；在平臺運營層面，可構(gòu)建用戶社群，開展線上線下多形式交流活動，搭建用戶和創(chuàng)作者間的溝通橋梁，以期形成正面的用戶口碑環(huán)境和持續(xù)反饋循環(huán)，使Sora生成視頻更好地滿足用戶的閱讀需求和心理期望。

4．多層共治保障數(shù)據(jù)安全

Sora創(chuàng)作的視頻以原著為藍本，融合了大量的視覺元素和音頻素材，版權(quán)歸屬與保護將成為難題?！吨腥A人民共和國著作權(quán)法》第二十一條第一款規(guī)定“著作權(quán)保護期為五十年”，這意味著諸多流行作品均處于保護期內(nèi)，圖書視頻化需取得相應(yīng)授權(quán)。但對于獨立創(chuàng)作者或小型團隊而言，版權(quán)購買成本高昂，因此，如何制定版權(quán)保護新規(guī)定及有效監(jiān)管成為亟待解決的問題。同時，Sora的大數(shù)據(jù)訪問權(quán)限加劇了未經(jīng)授權(quán)素材使用與個人隱私泄露的風(fēng)險，其高效率的生成能力對版權(quán)保護體系構(gòu)成前所未有的考驗，可能直接侵害創(chuàng)作者權(quán)益，突破個人隱私邊界。

為應(yīng)對這一系列挑戰(zhàn)，2023年7月10日，我國正式頒布《生成式人工智能服務(wù)管理暫行辦法》，填補了傳統(tǒng)監(jiān)管在人工智能領(lǐng)域的空白。面向Sora在圖書視頻化領(lǐng)域的具體應(yīng)用，現(xiàn)階段“雖然無法對人工智能生成內(nèi)容的素材來源作出明確說明，但仍需對生成內(nèi)容作出‘本內(nèi)容由AI生成’的提示說明”［6］?，F(xiàn)有的管理辦法與監(jiān)管框架比較宏觀，缺乏針對視頻創(chuàng)作與傳播環(huán)節(jié)的細致規(guī)定，亟須通過收集案例、細化條例來完善法律框架。鑒于此，政府部門需加快立法節(jié)奏，加速出臺有針對性的、細化的法律法規(guī)或指導(dǎo)原則，以促進視頻創(chuàng)作行業(yè)的健康發(fā)展。同時，應(yīng)構(gòu)建全面的數(shù)字教育與技術(shù)風(fēng)險監(jiān)管機制，提升監(jiān)管技術(shù)、強化版權(quán)與數(shù)據(jù)安全防護，這是營造健康、可持續(xù)的視頻創(chuàng)作生態(tài)的關(guān)鍵。

四、結(jié)語

Sora憑借其卓越的視覺表現(xiàn)力、高效的內(nèi)容轉(zhuǎn)換能力，以及對市場需求的敏銳響應(yīng)，為讀者提供了創(chuàng)新性的閱讀體驗，同時也為圖書行業(yè)開辟了嶄新的商業(yè)模式與盈利增長點。但需要注意的是，實際應(yīng)用中可能產(chǎn)生包括技術(shù)成熟度的局限、公眾對AI生成內(nèi)容的認知偏差、算法的潛在偏見，以及版權(quán)與數(shù)據(jù)安全的法律邊界挑戰(zhàn)。鑒于此，本文提出了一系列有針對性的策略，旨在通過構(gòu)建全面的技術(shù)評估框架、增強算法透明度、防范算法偏見、協(xié)同推進相關(guān)法規(guī)建設(shè)，在保障創(chuàng)新與倫理平衡之間找到合理路徑。通過持續(xù)的研究實踐，Sora也許會成為驅(qū)動圖書出版行業(yè)轉(zhuǎn)型的重要動力，高效賦能更多元、高品質(zhì)的數(shù)字閱讀時代，實現(xiàn)行業(yè)可持續(xù)發(fā)展。

｜參考文獻｜

［1］Creating video from text［EB/OL］.［2025-04-06］. https：//openai.com/index/sora/？ref=aihub.cn.

［2］Sora［EB/OL］.［2025-04-06］. https：//openai.com sora/.

［3］數(shù)據(jù)報告|第54次中國互聯(lián)網(wǎng)絡(luò)發(fā)展?fàn)顩r統(tǒng)計報告［EB/OL］.（2024-10-25）［2025-04-06］.https：//mp.weixin.qq.com/s？__biz=MzI0OTU1NDQ2Ng==amp;mid=2247527443amp;idx=2amp;sn=a4343bb1f832861dd693109af60c32b2amp;chksm=e8b675aa796cbdfd811631bc8fb06b982a404c2c0d76878820abfe300ac9ad404072f53a7d41amp;scene=27.

［4］杜華，孫艷超. 生成式人工智能浪潮下知識觀的再審視：兼論兩個經(jīng)典知識之問的當(dāng)代回應(yīng)［J］. 現(xiàn)代教育技術(shù)，2024（1）：96-106.

［5］杜都， 賴雪梅. 人工智能在出版營銷領(lǐng)域的創(chuàng)新應(yīng)用［J］. 出版廣角，2024（19）：29-35.

［6］丁毅. 人機協(xié)作下人工智能生成內(nèi)容的著作權(quán)共有模式［J］. 出版廣角，2024（9）：34-39.