सोरा एआई: ओपनएआई का टेक्स्ट-टू-वीडियो मॉडल, विस्तृत विवरण

लगभग एक महीने तक, सोरा एआई संयुक्त राज्य अमेरिका में सबसे अधिक डाउनलोड किया जाने वाला ऐप था। फिर ओपनएआई ने इसे बंद कर दिया। यह ऐप, जो किसी को भी एक वाक्य टाइप करने और बदले में एक मिनट का सिंक्रनाइज़्ड, सिनेमाई वीडियो प्राप्त करने की सुविधा देता था, नंबर एक पर पहुंचा, मशहूर हस्तियों के डीपफेक और स्टूडियो घिबली की नकल वाले वीडियो की बाढ़ ला दी, और फिर अप्रैल 2026 में चुपचाप बंद हो गया। लोग लगातार यही सवाल पूछते रहे: इतनी लोकप्रिय चीज़ अचानक कैसे गायब हो सकती है?

इसका सीधा सा जवाब है पैसा। विस्तृत जवाब ज़्यादा उपयोगी है, खासकर अगर आप AI टूल्स के लिए भुगतान करते हैं या उन्हें बेचते हैं। सोरा AI का असली मूल्य कभी भी मुफ़्त सोशल फीड में नहीं था। इसका असली मूल्य उस कंप्यूटिंग पावर में था जिसे आप वीडियो बनाने के लिए प्रति सेकंड किराए पर लेते हैं। यही अंतर पूरी कहानी है, और यह उस बिंदु की ओर ले जाता है जिसे ज़्यादातर लेख नज़रअंदाज़ कर देते हैं: लोग वास्तव में इन चीज़ों के लिए भुगतान कैसे करते हैं, और भुगतान प्रक्रिया मॉडल जितनी ही महत्वपूर्ण क्यों होती जा रही है।

सोरा एआई क्या है और वीडियो मॉडल कैसे काम करता है

सोरा एआई ओपनएआई द्वारा निर्मित एक टेक्स्ट-टू-वीडियो मॉडल है। आप इसे एक टेक्स्ट इनपुट देते हैं, और वीडियो जनरेशन मॉडल एक छोटा क्लिप तैयार कर देता है। एआई वीडियो जनरेशन के पीछे यही मूल विचार है। यह मूलतः एक डिफ्यूजन ट्रांसफॉर्मर है, जो आधुनिक एआई इमेज टूल्स को शक्ति प्रदान करने वाले व्यापक परिवार का ही एक हिस्सा है, बस इसे वीडियो और समय के आधार पर प्रशिक्षित किया गया है।

ओपनएआई ने फरवरी 2024 में कुछ डेमो क्लिप के साथ सोरा का पूर्वावलोकन किया, फिर दिसंबर 2024 में चैटजीपीटी के भीतर इसका पहला संस्करण जारी किया। शुरुआती सोरा लगभग एक मिनट तक की क्लिप तैयार करता था और आश्चर्यजनक रूप से, बिना किसी स्पष्ट प्रशिक्षण के ही 3डी स्पेस और कैमरा मूवमेंट की समझ विकसित कर लेता था। इसमें किसी ने भी पैरेलेक्स को प्रोग्राम नहीं किया था। इसने पर्याप्त उदाहरण देखकर यह सीखा कि कैमरा को हिलाने से दृश्य बदलता है - ठीक उसी तरह जैसे एक बच्चा सीखता है।

इसी वजह से आउटपुट असमान था। मॉडल एक विश्वसनीय सड़क का दृश्य तो बना सकता था, लेकिन फिर एक व्यक्ति दीवार के आर-पार चला जाता था, क्योंकि इसने भौतिकी को नियमों के रूप में नहीं सीखा था, केवल पैटर्न के रूप में सीखा था। यह बात याद रखना उपयोगी है जब कोई क्लिप बिल्कुल सही लगे: उस मॉडल को गुरुत्वाकर्षण का कोई ज्ञान नहीं है।

सोरा 2 के साथ एआई वीडियो कैसे बनाएं

वायरल होने वाला संस्करण सोरा 2 था, जिसे 30 सितंबर, 2025 को iOS ऐप के साथ जारी किया गया था। यही असली बदलाव था, और यह देखना वाकई दिलचस्प है कि इसके साथ क्रिएशन करना कैसा दिखता था।

सिंक्रनाइज़्ड ऑडियो, फ़िज़िक्स और सिनेमैटिक शॉट्स

सोरा 2 में साउंड जोड़ा गया। संवाद, कदमों की आहट और बैकग्राउंड की आवाज़ें अब तस्वीर के साथ सिंक्रनाइज़ होकर आती थीं, न कि एक मूक क्लिप के रूप में जिसे आपको खुद एडजस्ट करना पड़ता था। सबसे बड़ा बदलाव था यथार्थवादी गति, जिससे वस्तुएं आपस में टकराती और गिरती थीं, जो देखने में काफी आकर्षक लगता था। मॉडल एक ही बार में कई कैमरा एंगल को जोड़ सकता था, जिससे छोटी क्लिप्स को सिनेमाई एहसास मिलता था, जो पहले संस्करण में नहीं था। यह एक चलती-फिरती पोस्टकार्ड और एक फिल्म कट जैसी दिखने वाली चीज़ के बीच का अंतर था।

कैमियो, रीमिक्स और संपादन

इस ऐप की सबसे खास सोशल मीडिया फ़ीचर थी कैमियो: एक बार अपनी रिकॉर्डिंग करें और फिर अपनी छवि को किसी भी सीन में डाल दें। रॉ क्वालिटी से ज़्यादा, इसी फ़ीचर ने ऐप को इतना लोकप्रिय बनाया। इसके साथ ही, एक छोटा एडिटिंग टूल भी था। रीमिक्स से आप किसी मौजूदा क्लिप को नए प्रॉम्प्ट के साथ एडिट कर सकते थे। री-कट से एक सिंगल सेगमेंट रीजेनरेट होता था। लूप से क्लिप को साफ़ रिपीट में बदला जा सकता था, और ब्लेंड से दो वीडियो को मर्ज किया जा सकता था। इनमें से किसी भी फ़ीचर के लिए एडिटिंग स्किल्स की ज़रूरत नहीं थी, और यही इसका मुख्य उद्देश्य था।

एक प्रॉम्प्ट लिखना: टेक्स्ट और इमेज को वीडियो में बदलना

अच्छा परिणाम पाने के लिए टेक्स्ट प्रॉम्प्ट बहुत ज़रूरी था। यह मॉडल बारीकियों पर ज़ोर देता है। "एक कुत्ता" से आवाज़ आती है। "एक गीला गोल्डन रिट्रीवर जो धीरे-धीरे पानी झाड़ रहा है, दोपहर की धूप में, 50mm लेंस से खींची गई तस्वीर" से कुछ उपयोगी चीज़ मिलती है। विषय, क्रिया, प्रकाश और कैमरे का वर्णन करें। आप एक छवि भी अपलोड कर सकते हैं और सोरा से उसे एनिमेट करवा सकते हैं, एक इमेज टू वीडियो मोड जो एक स्थिर छवि को कुछ सेकंड के मोशन में बदल देता है, जिससे यह एक तरह के मूविंग इमेज जनरेटर के रूप में भी काम करता है। ज़्यादातर कला प्रॉम्प्ट लिखने में ही थी, ठीक वैसे ही जैसे एक निर्देशक शॉट नोट्स लिखता है।

डिफ़ॉल्ट रूप से, प्रत्येक क्लिप में एक दृश्यमान वॉटरमार्क और C2PA मेटाडेटा होता था जो इसे AI-जनित के रूप में चिह्नित करता था। बाद में इन दोनों का महत्व सामने आया।

सोरा एआई ऐप को क्यों बंद कर दिया गया?

ओपनएआई ने 24 मार्च, 2026 को कंपनी बंद करने की घोषणा की और 26 अप्रैल को ऐप को भी बंद कर दिया। तकनीक तो कारगर रही, लेकिन व्यवसाय सफल नहीं हुआ।

रिपोर्ट के अनुसार, सोरा ऐप को उपभोक्ता स्तर पर चलाने में कंप्यूटिंग लागत लगभग दस लाख डॉलर प्रतिदिन आती थी। इसके विपरीत, ऐप ने अपने पूरे जीवनकाल में इन-ऐप खरीदारी से लगभग 14 लाख डॉलर की कमाई की, जैसा कि टेकक्रंच ने बताया । लॉन्च के कुछ ही हफ्तों के भीतर इसके उपयोगकर्ताओं की संख्या लगभग दस लाख तक पहुंच गई और फिर घटकर पांच लाख से भी कम हो गई, जो किसी भी नए ऐप के लोकप्रिय होने का एक आम उदाहरण है। 200 से अधिक पात्रों के उपयोग के अधिकार के लिए लगभग एक अरब डॉलर का डिज्नी लाइसेंसिंग समझौता ऐप के बंद होने के साथ ही समाप्त हो गया।

हालांकि, OpenAI ने इस तकनीक को पूरी तरह से नहीं छोड़ा, और यही बात अक्सर नज़रअंदाज़ हो जाती है। यह क्षमता ChatGPT और एंटरप्राइज़ उत्पादों में अभी भी मौजूद है, और सोरा मॉडल खुद API के ज़रिए डेवलपर्स के लिए सुलभ बना रहा। OpenAI ने सोरा AI पर आधारित मुफ़्त सोशल ऐप को बंद कर दिया — जो इसे उपलब्ध कराने का सबसे महंगा और कम लाभदायक तरीका था। AI सेवाएं बेचने वालों के लिए सबक साफ है: असली मूल्य वहीं मिलता है जहां लोग आउटपुट के लिए भुगतान करते हैं, न कि जहां वे मुफ़्त में स्क्रॉल करते हैं।

सोरा एआई की लागत: सदस्यता, क्रेडिट, एपीआई

सोरा में तीन तरीकों से पैसा आता था, और इन अंतरों से यह समझने में काफी मदद मिलती है कि आम तौर पर पेड एआई कैसे काम करता है।

ज़्यादातर आम यूज़र्स ने कभी सीधे भुगतान नहीं किया। सोरा, चैटजीपीटी सब्सक्रिप्शन के साथ आता था, इसलिए यह उसी 20 या 200 डॉलर प्रति माह के खर्च पर चलता था जो लोग पहले से ही चैटबॉट पर खर्च करते थे। यह बंडलिंग महत्वपूर्ण है, क्योंकि ओपनएआई का असली आधार सब्सक्रिप्शन है: लगभग 5 करोड़ पेड सब्सक्राइबर्स, अनुमानित 25 अरब डॉलर का वार्षिक आवर्ती राजस्व और लगभग 9 करोड़ साप्ताहिक सक्रिय यूज़र्स। इसके मुकाबले, सोरा ऐप का 14 लाख डॉलर का खर्च न के बराबर था।

सबसे दिलचस्प पहलू API है। इसमें आपको कोई प्लान नहीं खरीदना पड़ता था। आप प्रति सेकंड जनरेट किए गए वीडियो के लिए भुगतान करते थे, 720p पर लगभग दस सेंट प्रति सेकंड और 1080p प्रो आउटपुट के लिए इससे तीन से पांच गुना अधिक, जैसा कि OpenAI के API दस्तावेज़ (दिनांक 2020 तक) में बताया गया है। दस सेकंड के क्लिप की न्यूनतम कीमत एक डॉलर थी। यह मीटर्ड कंप्यूट है - ठीक उसी तरह जैसे आप क्लाउड सर्वर या बिजली के लिए भुगतान करते हैं। आप उपयोग खरीदते हैं, सीट या प्लान नहीं। Sora को बड़े पैमाने पर चलाने वाले डेवलपर या क्रिएटर के लिए, प्रति सेकंड मीटर ही असल उत्पाद है, और यह कभी खत्म नहीं हुआ।

ज़रा उस मीटर के अर्थ पर गौर करें। एक स्टूडियो जो प्रतिदिन सौ क्लिप्स रेंडर करता है, उसका बिल आउटपुट के हिसाब से बढ़ता है, जैसे किसी बिजली-पानी के बिल में होता है। वहीं, एक शौकिया व्यक्ति जो महीने में एक वीडियो बनाता है, उसे कुछ सेंट्स ही देने पड़ते हैं। यह मॉडल दोनों के लिए समान है क्योंकि कीमत कंप्यूटिंग पावर पर निर्भर करती है, न कि सीट पर। भाषा मॉडल से लेकर इमेज जनरेटर तक, लगभग सभी गंभीर AI बिलिंग सिस्टम इसी स्वरूप की ओर अग्रसर हो रहे हैं: आपसे आपके द्वारा उपयोग की गई मात्रा के लिए शुल्क लिया जाता है, जिसे टोकन, सेकंड या मेगापिक्सेल में मापा जाता है। मासिक प्लान एक सरल आवरण मात्र हैं। मीटर आधारित उपयोग ही मूल प्रक्रिया है, और मेरा मानना है कि AI से होने वाली आय का अगला दशक वास्तव में इसी से प्रभावित होगा।

सोरा 2 बनाम अन्य एआई वीडियो जनरेटर

सोरा एआई सुर्खियों में छाई रही, लेकिन यह अकेली नहीं थी, और इसके आसपास का बाजार वास्तव में बहुत बड़ा है। फॉर्च्यून बिजनेस इनसाइट्स के अनुसार , एआई वीडियो जनरेटर क्षेत्र का मूल्य 2025 में लगभग 716 मिलियन डॉलर था और यह 2025 में लगभग 847 मिलियन डॉलर की ओर बढ़ रहा है, जो प्रति वर्ष लगभग 19% की वृद्धि दर्शाता है। इसकी एक प्रतिद्वंद्वी कंपनी, रनवे ने 2025 की शुरुआत में 5.3 बिलियन डॉलर के मूल्यांकन पर 315 मिलियन डॉलर का फंडिंग राउंड जुटाया। यह एक गंभीर उद्योग है, कोई मनोरंजन नहीं।

प्रतिस्पर्धा का परिदृश्य सोरा के अपने परिदृश्य से मिलता-जुलता है। Google का Veo, Gemini सब्सक्रिप्शन और Vertex AI की प्रति-सेकंड मूल्य निर्धारण प्रणाली के माध्यम से बिलिंग करता है, जो सोरा के लगभग समान है। Kling और Runway क्रेडिट बंडलों पर आधारित हैं, जहाँ आप एकमुश्त भुगतान खरीदते हैं और उसे उपयोग करते हैं। ब्रांडिंग को हटा दें तो आप मुख्य रूप से दो बिलिंग शैलियों की तुलना कर रहे हैं: प्रीपेड क्रेडिट या पे-एज़-यू-गो मीटरिंग, जो लगभग एक ही काम करने वाले मॉडल पर आधारित हैं। जब आप Veo या Kling के बजाय सोरा चुनते हैं, तो आप एक इकोसिस्टम और एक भुगतान मॉडल चुन रहे होते हैं, न कि एक बिल्कुल अलग क्षमता। गुणवत्ता में हर कुछ महीनों में ज़बरदस्त सुधार होता है, लेकिन मूल्य निर्धारण संरचना में नहीं।

स्टेबलकॉइन का उपयोग करके एआई वीडियो टूल के लिए भुगतान करना

यहीं पर क्रिप्टो का पहलू निरर्थक नहीं रह जाता, बल्कि स्पष्ट हो जाता है। एक बार फिर देखें कि ये एआई उपकरण कैसे शुल्क लेते हैं: छोटी-छोटी रकम, बार-बार, दुनिया भर के उपयोगकर्ताओं से। यह एक भुगतान संबंधी समस्या है, और संयोग से यही वह समस्या है जिसे स्टेबलकॉइन बखूबी हल करते हैं।

मीटर आधारित एआई बिलिंग के लिए स्टेबलकॉइन क्यों उपयुक्त हैं?

दस सेंट प्रति सेकंड का एपीआई कॉल एक माइक्रोपेमेंट है। कार्ड नेटवर्क माइक्रोपेमेंट को नापसंद करते हैं, क्योंकि निश्चित शुल्क एक डॉलर से कम के शुल्क को पूरी तरह से खत्म कर देते हैं। सीमा पार आवर्ती सब्सक्रिप्शन में मुद्रा रूपांतरण और भुगतान विफलता की समस्या भी जुड़ जाती है। स्टेबलकॉइन , डॉलर से जुड़े टोकन जो ऑन-चेन सेटल होते हैं, इन दोनों समस्याओं से बचते हैं। सेटलमेंट सस्ता, लगभग तुरंत और एक जैसा होता है, चाहे उपयोगकर्ता ओहियो में हो या लागोस में। यह अब केवल सैद्धांतिक बात नहीं है। स्ट्राइप ने अक्टूबर 2025 में सब्सक्रिप्शन के लिए स्टेबलकॉइन भुगतान शुरू किया, जिससे व्यवसायों को कार्ड की तरह ही आवर्ती USDC का बिल बनाने की सुविधा मिली। इसकी बुनियादी संरचना अभी तैयार की जा रही है।

क्रिएटर पेआउट और वैश्विक पहुंच

दूसरा पहलू सिर्फ पैसा आने ही नहीं, बल्कि जाने से भी जुड़ा है। AI वीडियो एक क्रिएटर इकोनॉमी है, और क्रिएटर्स हर जगह मौजूद हैं, जिनमें वे स्थान भी शामिल हैं जहाँ कार्ड से भुगतान की सुविधा कमजोर है या भुगतान में एक सप्ताह लग जाता है। स्टेबलकॉइन में क्रिएटर को भुगतान मिनटों में, डॉलर में, स्थानीय बैंकिंग की परवाह किए बिना किया जा सकता है। हर महीने हजारों छोटे क्रिएटर्स को भुगतान करने वाले प्लेटफॉर्म के लिए, प्रोसेसिंग फीस और मुद्रा रूपांतरण पर होने वाली बचत ही यह तय कर सकती है कि पूरा मॉडल व्यवहार्य है या नहीं। इसका पैमाना अब छोटा नहीं है: स्टेबलकॉइन का मार्केट कैप 2023 में 323 बिलियन डॉलर से ऊपर पहुंच गया था, और वीज़ा के अनुमान के अनुसार , 2025 में स्टेबलकॉइन का कुल वॉल्यूम लगभग 33 ट्रिलियन डॉलर था। जब मीटर्ड AI बिलिंग और वैश्विक क्रिएटर भुगतान दोनों एक ही स्रोत से जुड़े होते हैं, तो वह स्रोत क्रिप्टो प्रयोग की बजाय एक बुनियादी ढांचे की तरह लगने लगता है। आज कोई व्यापारी जो AI टूल के लिए क्रिप्टो भुगतान स्वीकार करना चाहता है, वह कार्ड प्रोसेसर का उपयोग किए बिना ऐसा कर सकता है।

सोरा एआई के जोखिम: डीपफेक, कॉपीराइट, वॉटरमार्क

यह सब कुछ साफ-सुथरा नहीं है। सोरा एआई के वॉटरमार्क और C2PA टैग का मकसद एआई द्वारा बनाए गए क्लिप्स को चिह्नित करना था, लेकिन लॉन्च के एक हफ्ते के भीतर ही वॉटरमार्क हटाने वाले टूल सामने आ गए। कॉपीराइट का डिफ़ॉल्ट विकल्प ऑप्ट-इन नहीं था, इसलिए सोरा ने संरक्षित पात्रों और शैलियों का तब तक पुनरुत्पादन किया जब तक कि अधिकार धारकों ने आपत्ति नहीं जताई। स्टूडियो घिबली और स्क्वायर एनिक्स दोनों ने इन्हें हटाने की मांग की। एक एआई छवि या वीडियो जो वास्तविक दिखता है और अपना वॉटरमार्क खुद हटा देता है, यह एक ऐसी समस्या है जिसे उद्योग ने हल नहीं किया है, बल्कि केवल नाम दिया है।

सोरा की कहानी वास्तव में आपको क्या बताती है

सोरा ऐप एक साधारण कारण से बंद हो गया: इसे चलाने का खर्च इसकी कमाई से कहीं ज़्यादा था। समस्या तकनीक में कभी नहीं थी। मुफ़्त फ़ीड के पीछे एक ऐसा मॉडल था जो आपसे प्रति सेकंड शुल्क लेते ही असली कमाई करने लगता है। AI वीडियो में टिकाऊ मूल्य मीटरयुक्त कंप्यूटिंग में निहित है, और मीटरयुक्त कंप्यूटिंग रचनात्मकता से पहले बिलिंग का सवाल है। इसलिए, यदि आप AI के लिए प्रति सेकंड भुगतान करने जा रहे हैं, या इसे बनाने के लिए भुगतान प्राप्त करने जा रहे हैं, तो यह पूछें कि कौन सा माध्यम इतनी कम मात्रा में, इतनी तेज़ी से और वैश्विक स्तर पर डॉलर का लेन-देन करता है। अभी इसका सीधा जवाब कार्ड नहीं है। स्टेबलकॉइन के डिफ़ॉल्ट उत्तर बनने में कितना समय लगेगा?

Simon Chartan

A journalist with a strong technical background and a passion for decentralized finance. With degrees in MBA and Master of Engineering in Data Science, the author combines analytical expertise with a clear, engaging writing style. At Plisio, they cover topics such as cryptocurrency, blockchain, DeFi, and digital finance—helping readers make sense of a rapidly evolving fintech landscape.