文生视频模型Sora之于教育教学：机遇与挑战

陈聪聪 李晨 王亚飞

摘要：当前，人工智能技术在教育领域的影响已逐渐凸显，“人工智能+教育”的新型教学模式探索成为教育领域的研究热点。近来，文生视频模型Sora的出现受到了广泛关注，虽然未来Sora对于教育教学的影响尚未可知，但引入智能技术以促进教育教学高质量发展的趋势已经不可阻挡。为此，文章梳理了文生视频模型的技术演进，介绍了主流文生视频模型的基本情况，并阐释了Sora的缘起和应用优势。在此基础上，文章分析了Sora融入教育教学带来的机遇，主要表现为丰富了教学资源、增强了沉浸式教学体验、创新了交互方式；同时，文章从技术成熟度、师生技术素养、伦理安全风险、监管与治理制度四个方面，探讨了Sora融入教育教学面临的主要挑战，以期推动Sora在教育教学中的应用，并为开展智能技术支撑的教育教学提供参考。

关键词：Sora；人工智能；智能教育；大模型

【中图分类号】G40-057 【文献标识码】A 【论文编号】1009—8097（2024）05—0027—08 【DOI】10.3969/j.issn.1009-8097.2024.05.003

2022年11月，美国人工智能研究公司OpenAI发布大语言模型ChatGPT，其一经问世，就凭借强大的数据处理和分析预测能力，在全球范围内受到了各行业的广泛关注，讯飞星火、文心一言等系列人工智能大模型产品也随之涌现。当人们还在探索ChatGPT的潜力和挑战并为其应用展开激烈的讨论时，OpenAI又于2024年2月发布了文生视频模型Sora，其可以通过文本描述生成最长60秒的逼真视频，这一突破性变革再度掀起了讨论热潮并持续发酵。Sora的发布，也意味着AI技术在视频技术领域的巨大飞跃，未来可能对金融、医疗、教育等行业都将产生深远的影响^[1]。Sora的出现，为教育教学的方式和内容带来了新的可能，但其带来的影响究竟如何尚未可知，因此有必要对其应用于教育教学的潜力进行探索与分析。基于此，本研究尝试梳理文生视频模型的技术演进及其主流的模型，并分析Sora的诞生历程和应用优势，来探讨Sora融入教育教学带来的机遇及其面临的主要挑战。

一 文生视频模型

1 文生视频模型的技术演进

文生视频（Text-to-Video）模型是一种结合深度学习和视觉生成的人工智能技术，能够基于用户提供的文本指令信息自动识别并生成各种主题和风格的视频片段。这类模型基于神经网络架构，可以在处理海量视频数据的同时，保持高速的计算和准确的内容生成能力。随着训練数据的增加，凭借强大的学习能力，经过不断的迭代优化，文生视频模型产出的内容逐渐贴合用户的需求和想象，实现了从自然语言到动态视频的转换。目前，文生视频模型尚处于起步阶段，在其发展过程中先后采用了不同技术，主要有：①基于生成对抗网络（Generative Adversarial Nets，GAN）和变分自编码器（Variational Autoencoder，VAE）技术生成视频内容^[2]。其中，GAN利用生成器和判别器，通过迭代的对抗训练生成动态视频^[3]；VAE则通过对数据进行编/解码以生成连贯的视频序列^[4]，典型代表有Text2Filter^[5]。②引入Transformer模型。先对输入的文本进行编码，再转化为视频token，然后通过特征融合以输出视频内容，典型代表有Phenaki^[6]、NUWA^[7]。③扩散（Diffusion）模型成为主流框架^[8]。通过逐步添加随机噪声，进行逆向去噪生成视频，典型代表有Make-A-Video^[9]、Gen-2^[10]。从本质上来说，Sora也是一种扩散（Diffusion）模型，但不同于传统的文生视频模型，Sora已在视频持续时间、理解能力、分辨率等方面都有了全新的突破。

2 主流的文生视频模型

当前，主流的主流文生视频模型有Gen-2、Pika 1.0、Stable Video Diffusion等。本研究根据相关的官网信息，梳理了这些模型的基本情况，如表1所示。其中，Runway是较早研究文生视频的开发团队，先后推出了Gen-1、Gen-2两个版本的模型。其中，Gen-2凭借清晰度相对较高的视频质量而在文生视频领域应用广泛，但其仍存在语义理解欠佳、视频扭曲掉帧、连贯性较差等问题。Pika 1.0具有较强的语义理解能力，且在动画风格的视频生成方面表现突出，新推出的Lip Sync还提供“对口型”功能，可以同步声音与视频角色的嘴部动作，增强画面效果的真实感。Stable Video Diffusion作为一个开源的文生视频模型，可以实现多视角视频合成和帧插入功能，也在一定程度上提升了视频内容的质量。据OpenAI官网介绍，相较于以往的文生视频模型，Sora不仅增加了视频的持续时长、提升了语义理解能力，还可以支持对视频内容的编辑扩展，并涌现了一定的物理仿真能力，这些特性对于影视、广告等传媒行业将产生深远影响。

二 Sora的缘起与应用优势

1 Sora的缘起

2021年1月，OpenAI公司基于旗下产品GPT-3研发了文生图模型DALL-E，这是一款包含120亿参数的多模态预训练模型。DALL-E具有强大的文字理解和图像生成能力，可以实现从文字提示到对应清晰图像的转换，从而打破了语言与图像之间的天然壁垒，因此迅速吸引了广告设计、游戏制作等领域从业人员的目光，并在实际的工作生产中进行了应用。2022年4月，OpenAI公司对DALL-E进行升级，发布了DALL-E 2。相比DALL-E，DALL-E 2不仅提高了图像生成的真实性和准确性、加快了图像的生成速度，而且允许用户对图像进行编辑，故交互性更加显著。2023年9月，DALL-E 3正式发布，其最大的亮点是集成了ChatGPT，可以更加准确地理解用户给出的提示词，并且在图像的质量方面有了较大的提升——Sora正是借鉴DALL-E 3而开发的一款文生视频大模型。

2 Sora的应用优势

Sora来源于日语“空”，意为“天空”，代表无限的创造潜力。OpenAI公司将Sora比作“世界模拟器”，称其为实现人工通用智能（Artificial General Intelligence，AGI）的重要里程碑^[11]。作为一个DiT（Diffusion Transformer）模型^[12]，Sora的大致工作过程是：先将用户提示信息进行压缩，再分解为一系列时空潜在补丁（Spacetime Latent Patch），再利用Transformer模型进行处理后得到最终的视频输出内容。Sora的应用优势主要表现为：

①降低了应用门槛。受技术操作、设备配置等因素的影响，传统视频制作中视频内容创作的发挥空间有限，阻碍了视频内容生产者数量的持续扩充，进而影响了相关行业的多元发展和创新步伐，而Sora的出现可以简化创作流程、减少制作成本，进而降低了视频创作的门槛，提升了创意和思维表达的自由度。这一优势无论是对于个体创作、商业应用，还是对于教育、科研等特定领域都具有重要的意义，将进一步加速行业融合创新的步伐。②实现了对话式视频生成。随着以ChatGPT为代表的生成式人工智能技术的迅速崛起，人机交互的方式正在发生变革，而Sora接收用户给定的文字提示信息并反馈动态视频输出的工作流程，将催生对话式新型视频人机交流模式，以丰富多元的人机交互方式，促成更加全面的交互环境的形成，提升人机互动体验感。③涌现了物理仿真能力。Sora在经过大规模数据的训练后，展现了一定程度的涌现能力，这是大语言模型的重要特性，是指在模型的训练和应用过程中出现的、之前未被编码的意想不到的能力^[13]。得益于这一能力，Sora不仅能够学习现实世界的客观规律，还可以根据掌握的知识推断并模拟运动场景，实现3D一致性和长时连贯性，确保视角转换状态下视频内容的稳定性。因此可以说，这一能力为Sora“构建通用世界模拟器”的未来愿景奠定了坚实基础。

三 Sora融入教育教学带来的机遇

当前，人工智能技术已经开始介入课堂教学，促使教学模式逐步转向“师-机-生”三元结构，旨在为学生提供更加高效、有针对性的学习路径，实现教育数字化转型。如果Sora技术能在教育教学中实现落地，将会促进教学模式的多元化发展，加快推动传统教育走向智能教育。

1 丰富了教学资源

当前，智慧课堂已成为信息技术支撑下课堂教学实践的重要趋势，其凭借VR、ChatGPT等智慧教育核心技术的应用，使传统单一、枯燥的课堂模式得到了显著改善：利用VR设计英语学习教育游戏，激发了学生的学习兴趣和动机^[14]；基于ChatGPT构建智能数学学习系统，能为学生提供代数解题提示，帮助其反思和纠正解题过程中出现的错误^[15]。而Sora作为一款文字视频生成工具，是对智慧教育实践工具的有效补充，且便捷性更强、效率更高，可以直接将文字、图像、已有视频转化成全新的视频内容，并可视化呈现复杂、抽象的知识概念，从而提高学生的理解能力，并丰富教学内容。例如，教师可以应用Sora的3D效果展示复杂的几何图形、动态演绎公式的推理过程等，从而加深学生对知识点的直观印象，促进学生空间思维和逻辑思维能力的发展。同时，Sora可以帮助教师实现教学资源的有效整合，汇总不同学科的知识创建综合性的教学视频，在丰富教学内容的同时拓宽学生的学习视野，使其形成完整的知识体系。此外，年轻教师在教学过程中对于知识点的理解和重难点的把握等可能存在不足，导致教学内容讲授效果不理想、课堂效率降低等问题的发生，从而影响了学生的学习成效。而Sora可以利用自身强大的文字理解能力，通过视频演绎的方式表达教师难以准确表达的概念和思想，促进其内隐的实践性知识显性化，从而缩小新手教师与专家教师之间的差距，助力年轻教师学习成长^[16]。教学设备方面，Sora还可以通过改善视频的构图，为手机、电脑、平板等不同的设备创建合适尺寸的内容，这扩展了教学材料的表现形式，促进了教学设计的可视化，使教师可以更高效地获取和制作教学资源，而无须考虑视频内容在不同设备上的兼容性问题。

2 增强了沉浸式教学体验

据OpenAI官网介绍，Sora能够根据接收到的提示信息模拟现实世界的人物和场景，并涌现出了一定的物理仿真能力，可以生成具有长时连贯性和3D一致性的视频画面。利用这一特性，可以通过动态的视觉元素展示抽象的概念知识，将教学形式拓展到更加逼真、更具体验性的沉浸式教学情境，尤其是地理、生物等需要空间想象力的课程。例如，在地理课程中，教师可以应用Sora的3D效果动态展示不同地区的地貌、气候变化，使学生在观看视频的同时，能够直观了解并掌握地理现象的发生过程。Sora在教学中的应用，一方面可以通过模拟现实场景吸引学生的注意力，使学生集中于课堂知识的吸收和理解，从而实现课堂环境的优化；另一方面有助于将抽象的概念具像化，帮助学生突破认知障碍，并更加直观地理解和记忆课堂知识，从而提升自身的学习效率和能力^[17]，并有效降低學习门槛，实现多元立体化的课堂互动，突破自然语言形式的限制，拓展教学互动的深度和广度^[18]。

3 创新了交互方式

经过前期大量的数据训练，Sora已经对现实世界的发展规律具有了一定程度的储备和理解能力，可以快速实现虚拟场景的构建，并较为准确地预测和模拟事物的未来状态。这意味着，将这一优势应用于教学，教师可以通过逼真、生动的视频形式将复杂问题简单化、抽象问题具体化，使学生从更加直观的角度学习知识，提升学生对知识的理解和记忆能力。目前，利用人工智能技术辅助课堂教学虽已成为新常态，但在具体的教学过程中，教师大多只是利用其预先设计教学内容，难以根据学生需求进行即时的灵活调整^[19]，不利于教学内容个性化和交互性的实现。而Sora允许教师根据学生的课堂反馈和学习进度，实时调整教学视频内容；学生也不再只是被动地接收教师讲授的知识，而是可以根据视频内容提出问题并展开讨论，甚至可以互换师生身份，直接参与教学内容的设计。在这种教学模式下，教师从教学活动的主导者变为引导者，可以将更多的精力投入到与学生的互动中，故有利于提升教学的效率和质量；而学生从课堂教学的接受者变为参与者，可以直接参与学习内容的设计过程，故有利于增强其学习的主动性，提升其逻辑思维能力和创造力。这种全新的交互方式形成了学生、教师、机器之间的多向互动，真正实现了“以教师为主导，以学生为主体”的教学理念，有助于打造全新的教育生态。

四 Sora融入教育教学面临的主要挑战

虽然Sora的出现为促进教育模式创新提供了新的方向，有助于推动个性化教育进程、提升人才培养效率，但仍要理性看待Sora融入教育教学的可能性并客观认识其面临的诸多挑战。

1 技术成熟度不足

虽然“人工智能+”的热潮正在全球各行业范围内兴起，但人工智能技术本身具有复杂性、扩展性、不可控性、不可预知性等特点^[20]，将其融入其他领域形成的产业模式存在极大的不确定性。OpenAI将Sora比作“世界模拟器”，其是否真的能够做到理解物理世界并进行准确建模仍有待验证。就当前OpenAI官网给出的示例来看，Sora生成视频内容的准确性和合理性还存在明显不足，技术成熟度还远远不足以投入实际生产，而技术从最初提出到投入生产需要一定的周期和复杂的条件^[21]，期间要经历大量的测试和不断的调整，而Sora尚处在这一复杂过程的第一阶段。在教育领域，Sora还没有正式发布试用，未来将其应用于实际教学的效果能否达到演示内容的程度尚未可知；另外，教育传播对内容表达的严谨性和精确度要求更高，将Sora技术应用于教育教学，一旦生成的视频内容与实际教学不符，就可能会对学生产生误导，影响其对信息的接收和对知识的理解，从而与其应用于教育的初衷相悖。

2 师生技术素养欠缺

当前，人工智能技术正在推动教学模式向“师-机-生”三元结构转变。这种教学模式要求师生不仅具备基本的学科知识素养，还需提升自身的智能技术素养，并将其合理应用于日常的教育和学习中^[22]。然而，Sora的功能仍需要不断完善，学校管理者和师生也尚未做好应用的准备，毕竟从了解到切实掌握一项陌生的技术需要一定的时间和经验积累。即使Sora未来发展成熟，其运用于教育教学时也仍然需要师生具备基本的技术素养——如果缺乏相关的技术知识和应用能力，师生在教与学的过程中就可能因缺乏对Sora技术的了解而产生消极抵触心理；如果无法正确把握Sora技术的应用界限，则可能出现师生过度依赖技术的情况，而违背了技术只是一种辅助手段的基本理念。另外，Sora因海量数据训练而天然存在的“黑箱”特性，使其生成的视频内容可信度存疑，如果师生不能应用批判性思维对视频内容进行分析和辨别，而只是盲目地接收Sora得出的信息，那么师生将可能吸纳错误的知识，出现思维的惰化，从而弱化问题的解决能力，失去对知识获取的主动性——长此以往，将会造成思维能力的退化^[23]。

3 伦理安全风险滋生

2023年9月，联合国教科文组织发布《在教育和研究中使用生成式人工智能的指南》^[24]，这是自ChatGPT出现以来颁布的首份规范生成式人工智能相关内容和行为的指导性文件。该指南从显性和隐性两个方面分析了生成式人工智能技术可能带来的风险，强调了生成式人工智能技术规范应用的重要性。智能技术在变革教育的同时，也衍生出了算法歧视与不透明、技术滥用与依赖等一系列伦理问题^[25][26]，而在生成式人工智能的数据质量风险中，偏见和歧视问题十分突出^[27]。作为主要基于欧美语料库的大模型，Sora的训练数据内容中可能存在的价值观冲突会对青少年的世界观构建产生潜移默化的影响，并导致弱势群体“数字殖民”升级的风险^[28]。目前，OpenAI官网针对Sora的技术报告介绍了其宏观框架，但没有明确其视频训练数据的来源，经过大规模的数据训练，Sora的学习内容可能会因各地文化的差异存在偏见和不稳定因素^[29]，这为学生自主学习中的观念形成埋下了隐患。此外，相较于文字和图片，视频承载的信息量更大，容易给学生留下更加直观、深刻的印象，如果视频内容包含误导信息，就会加深其带来的负面影响，而Sora的超强涌现能力更是加大了这一风险。OpenAI公司也表示，对于Sora生成视频可能存在的错误信息、仇恨内容、偏见内容等还需不断测试。可见，师生需慎重对待Sora生成的视频内容，如果师生的伦理安全意识不足，就可能无法正确辨认视频内容的合理性和公平性，从而使其合法权益受到侵犯^[30]。

4 监管与治理制度滞后

随着生成式人工智能技术的快速发展，其在教育领域的应用越来越广泛，各国政府、学校、企业等都在积极探索生成式人工智能技术与教育教学融合的发展路向，以培养契合数字化转型要求的高水平创新型人才。而有效的监管和治理，能夠引导师生在安全范围内将生成式人工智能技术应用于日常的教与学，从而促进智能技术融入教育教学的健康、稳定发展^[31]。针对智能技术赋能教育进行监管和治理，一直是我国政府部门的重点工作之一。2023年5月，我国发布《生成式人工智能服务管理暂行办法》，规定了生成式人工智能服务的合法使用范围，旨在促进生成式人工智能的健康发展和规范应用^[32]。但是，针对技术的立法是一个漫长且复杂的过程，需要考虑多方面的因素，致使相关监管政策推进的步伐往往落后于技术的发展速度，而缺少法规和条例的引导与治理会引发技术滥用、隐私泄露等一系列风险，从而限制生成式人工智能的发展^[33]。在教学实践中，如果没有明确的政策引导，师生应用Sora之类的智能技术时就可能会缺乏责任感和规范约束，造成不良违规行为的滋生^[34]。近年来，风险监管机制的缺失使人工智能技术应用违规行为的问题日益凸显，加上人工智能技术尤其是具有突破性、不稳定性的Sora技术具有惊人的更新迭代速度，迫切需要政府及时提出监管措施以防范使用风险。基于此，政府部门亟需加速制定相关的法律法规或指导意见，健全数字教育技术风险监管机制，监督和治理生成式人工智能技术的合理教育应用，打造技术与教育融合的健康生态环境。

五 结语

Sora技术才刚刚启程，未来的发展方向尚未可知，但智能技术赋能教育教学的趋势已然形成。本研究探索了Sora应用于教育教学的潜力，期望通过对其所面临的机遇与挑战的讨论，为推动Sora在课堂教学中的应用提供参考。技术的引入是为了更好地推动教育高质量发展，教育工作者应积极探索依托创新技术开展教育教学的方法，适应数字化转型时代人才培养的新范式。以Sora技术融入教育教学为契机，加强对学生创新能力的培养，全面提升教师的智能教育技术应用能力，可以更好地应对新技术对教育教学的冲击。相信随着功能的不断完善，ChatGPT、Sora等新一代智能技术将为师生带来更佳的教与学体验，助力打造和谐、优质的教育生态环境。

参考文献

[1]Liu Y， Zhang K， Li Y， et al. Sora： A review on background， technology， limitations， and opportunities of large vision models[OL].

[2]Kim D， Joo D， Kim J. Tivgan： Text to image to video generation with step-by-step evolutionary generator[J]. IEEE Access， 2020，8：153113-153122.

[3]Vondrick C， Pirsiavash H， Torralba A. Generating videos with scene dynamics[OL].

[4]Pham D ， Le T M V .Auto-encoding variational bayes for inferring topics and visualization[OL].

[5]Li Y， Min M R， Shen D， et al. Video generation from text[OL].

[6]Villegas R， Babaeizadeh M， Kindermans P J， et al. Phenaki： Variable length video generation from open domain textual descriptions[OL].

[7]Chenfei Wu， Jian Liang， Lei Ji， et al. N?WA： Visual synthesis pre-training for neural visual world creation[OL].

[8]Ho J， Chan W， Saharia C， et al. Imagen video： High definition video generation with diffusion models[OL].

[9]Singer U， Polyak A， Hayes T， et al. Make-a-video： Text-to-video generation without text-video data[OL].

[10]Runway. Gen-2： The next step forward for generative AI[OL].

[11]OpenAI. Video generation models as world simulators[OL].

[12]Yanyan Z .Construction of a smart classroom for image processing courses in colleges and universities based on artificial intelligence： Taking fundamentals of photoshop as an example[A]. 2023 IEEE 3rd International Conference on Social Sciences and Intelligence Management （SSIM）[C]. Taiwan： IEEE， 2023：84-88.

[13]陳向东，赵丽娟，刘泽民.扩展学科的疆域：大模型的涌现能力对学习科学的影响[J].现代教育技术，2024，（1）：44-54.

[14]何聚厚，黄秀莉，韩广新，等.VR教育游戏学习动机影响因素实证研究[J].电化教育研究，2019，（8）：70-77.

[15]Pardos Z A， Bhandari S. Learning gain differences between ChatGPT and human tutor generated algebra hints[OL].

[16]張铭锐，闫志明，孙铭璐，等.教师知识图谱：人工智能赋能教师专业发展的必由之路[J].现代教育技术，2023，（8）：38-47.

[17]Lin Z，Shujuan X. Optimization of classroom teaching quality based on multimedia feature extraction technology[J]. International Journal of Web-Based Learning and Teaching Technologies （IJWLTT）， 2024，（1）：1-11.

[18]Ahmed K K， Jumaili A A A. Adopting video assignments as a tool to improve first-year pharmacy students class engagement[J]. Annales Pharmaceutiques Francaises， 2024，（2）：263-270.

[19]钟绍春.人工智能支持智慧学习的方向与途径[J].中国电化教育，2019，（7）：8-13.

[20]杜华，孙艳超.声称是人工智能浪潮下知识观的再审视——兼论两个经典知识之问的当代回应[J].现代教育技术，2024，（1），96-106.

[21]张学义，范阿翔.基于技术成熟度曲线的人工智能审视[J].科学技术哲学研究，2019，（2）：14-19.

[22]杨宗凯，王俊，吴砥，等.ChatGPT/生成式人工智能对教育的影响探析及应对策略[J].华东师范大学学报（教育科学版），2023，（7），26-35.

[23]曹培杰，谢阳斌，武卉紫，等.教育大模型的发展现状、创新架构及应用展望[J].现代教育技术，2024，（2）：5-12.

[24]UNESC0. Guidance for Generative Al in Education and Research[OL].

[25]杜静，黄荣怀，李政璇，等.智能教育时代下人工智能伦理的内涵与建构原则[J].电化教育研究，2019，（7）：21-29.

[26]胡小勇，黄婕，林梓柔，等.教育人工智能伦理：内涵框架、认知现状与风险规避[J].现代远程教育研究，2022，（2）：21-28、36.

[27]邢露元，沈心怡，王嘉怡.生成式人工智能训练数据风险的规制路径研究[J].网络安全与数据治理，2024，（1）：10-18

[28]苗逢春.生成式人工智能技术原理及其教育适用性考证[J].现代教育技术，2023，（11）：5-18.

[29]刘明，吴忠明，廖剑，等.大语言模型的教育应用：原理、现状与挑战——从轻量级BERT到对话式ChatGPT[J].现代教育技术，2023，（8）：19-28.

[30]黄荣怀，张国良，刘梦彧.面向智慧教育的技术伦理取向与风险规约[J].现代教育技术，2024，（2），13-22.

[31][34]刘明，吴忠明，廖剑，等.大语言模型的教育应用：原理、现状与挑战——从轻量级BERT到对话式ChatGPT[J].现代教育技术，2023，（8）：19-28.

[32]陈子君.大数据赋能基层监督的互构逻辑——基于“技术-信息-组织”的理论视角[OL].

[33]杨建武，罗飞燕.类ChatGPT生成式人工智能的运行机制、法律风险与规制路径[OL].

Text-To-Video Model Sora for Education and Teaching： Opportunities and Challenges

CHEN Cong-Cong¹LI Chen^{2[Corresponding Author]}WANG Ya-Fei^3，4

（1. Information Technology Center， Tsinghua University， Beijing， China 100084; 2.College of Physical Education，

Xinjiang Normal University， Urumqi， Xinjiang， China 830054; 3. School of Education， Shanghai Normal University，

Shanghai， China 200234; 4. iFLYTEK Educational Technology Institute， Hefei， Anhui， China 230088）

Abstract： At present， the influence of artificial intelligence technology in the field of education has gradually become prominent， and the exploration of a new teaching model of “Artificial Intelligence + Education” has become the research hotspot in the field of education. Recently， the emergence of Text-To-Video model Sora， has received widespread attention， although the future impact of Sora on education and teaching is unknown， the trend of introducing intelligent technology to promote the high-quality development of education and teaching has been unstoppable. Therefore， this paper sorted out the technical evolution of Text-To-Video model， introduced the basic situation of mainstream Text-To-Video model， and explained the origin and application advantages of Sora. Accordingly， the opportunities brought by Soras integration into education and teaching were analyzed， which mainly manifested in enriching teaching resources， enhancing immersive teaching experience and innovating interactive methods. At the same time， the main challenges of integrating Sora into education and teaching were discussed from four aspects of technology maturity， teachers and students technical literacy， ethical safety risks， supervision and governance system， in order to promote the application of Sora in education and teaching， and provide reference for carrying out education and teaching supported by intelligent technology.

Keywords： Sora; artificial intelligence; intelligent education; large language models

作者简介：陈聪聪，编辑，硕士，研究方向为编辑出版、教育技术等，邮箱为chencongcong@tsinghua.edu.cn。

收稿日期：2024年3月15日

編辑：小米