Sora来了，即梦可灵松了一口气

定焦One（dingjiaoone）原创

作者 | 王璐

编辑 | 魏佳

全网苦等10个月的Sora，终于亮相。

北京时间12月10日凌晨，OpenAI直播第三弹，宣布旗下视频生成模型Sora正式面向大众推出。

自今年2月首次预告以来，Sora仅向一些艺术家、知名演员和导演提供试用服务，但迟迟未上线，吊足大众胃口。此次一经发布，立即激发起全球网友的热情，挤爆服务器。

「定焦One」注意到，与上一个版本相比，此次的Sora Turbo支持生成1080p分辨率、最长20秒的视频，在时长上有明显突破。更大的亮点在于它提供“编辑”服务，除了单纯的文生视频、图生视频、视频生视频，用户还可以通过指令实现视频重混、重新剪辑、循环、混合等功能，更像是一个加强版的视频编辑器。

Sora正式发布后，一个问题也被摆上台前：国内的Sora们，准备好迎接挑战了吗？

「定焦One」第一时间进行了实测对比，至于结果，远没有想象中那么糟。

综合多位业内人士的观点，Sora的变化主要集中在两方面。

一是时长，Sora Turbo支持用文字、图片或视频单次生成最长20秒的视频（此前发布的演示视频最长为60秒，但不是公开使用版本），有宽屏、竖屏、方屏比例可选。而国内AI视频生成软件单次大多仅支持5-10秒。

能生成的视频时间越长，意味着对其内容一致性、避免重复、衔接过渡上要求更高，模型的优化和训练数据的质量在其中起着关键作用。

二是它强大的“编辑”功能，包括Remix（重混）、Re-cut（重新剪辑）、Storyboard（故事板）、Loop（循环）、Blend（混合）以及Style presets（风格预设）。

此前，AI生成视频的一大痛点在于一次性生成以后很难再调整，这次Sora一定程度上解决了这个问题。

我们拿其中三个亮眼的新功能来详细说明。

Remix（重混）可以替换、移除或重新生成视频中的某个要素，例如，在生成“推开图书馆的大门”后（上图），可以轻易将大门换成法式风格（下图）。

Storyboard（故事板）功能绝对是视频创作者的辅助利器，可以精准指定每一帧的内容，控制每个时间段的画面。

比如，让视频的前114帧生成“红色的背景下，远处停靠着一艘宇宙飞船”。

接着，将114-324帧的场景变为，“从宇宙飞船内部向外看，一位宇航员站在中间”。

最后在324-440帧，将画面聚焦到宇航员眼睛的特写镜头，他的眼睛被针织面料制成的面罩包裹住。

Blend（混合）功能可以把两个视频混合在一起，Sora演示了将雪花飘落和花朵飘落的视频混合在一起，过渡非常自然。OpenAI方面称，这是其它AI视频从未见过的功能。

需要注意的是，这些功能虽然惊艳，但Sora目前仅在部分国家提供服务，英国、中国大陆等地暂不能使用。

在收费方面，Sora对ChatGPT的Plus会员（每月20美元）和Pro会员（每月200美元）直接开放使用，Plus会员每月可生成50个480P分辨率的视频，Pro会员则拥有不限次慢速生成的额度。

从Sora亮相到发布的这10个月里，国内的Sora们一直在抓紧追赶。此次Sora正式发布后，「定焦One」挑选了国内外几家比较有代表性的AI生成视频工具，进行实测对比。

先看各大工具在生成秒数、收费价格上的情况。

单次生成秒数上，Sora凭借20秒领先，紧随其后的是Runway，可以达到10秒，相比之下，国内的产品普遍都在5-6秒。

需要说明的是，白日梦虽然最长可达6分钟，但非单次文生视频长度，它根据文字提示先生成人物，然后再生成分镜、编辑图片，最后连成一段视频，所以支持的时间较长。

在收费上，国内的产品都可以不付费体验，有些会限制使用次数。Sora则必须付费才可以使用，且门槛不低，20美元起步，Runway其次，最低月付费15美元。

再看各家提供的具体功能及对应效果。

综合从业者的说法以及Sora最新发布的功能，我们从两个维度进行测试。

1、基础功能：主要测试文生视频的能力，考察产品对文字指令的理解度、运动过程中人物面部的清晰度和多人物的准确度。为了覆盖以上三个难点，「定焦One」给出了两条提示词：

第一条：镜头中景拍摄，夕阳下，两个长头发的女生，一个穿着黄裙子，一个穿着蓝裙子，手里都拿着胡萝卜，旁边还有三只小兔子，小兔子慢慢跑过去吃胡萝卜，电影级调色。

这条主要测试多主体数量的准确度，让人大跌眼镜的是，Sora没能识别出主体数量，只生成了两只兔子（测试时已将提示词转换为英文），不过，其他的地方都是比较准确的。

同样踩坑的还有通义万相，不仅弄丢了一只兔子，还增加了一个女孩。

其他产品表现较好，均能准确理解提示词，只是在画风上有所差异。

第二条：镜头特写拍摄，灯光，一个有着一头黑色卷发的中式少女，穿着一条白裙子，胸前手握一束粉色鲜花，眼睛先低头看鲜花，然后慢慢抬起头来微笑，电影级调色。

这条主要测试各工具对于人物面部的特写，以及对复杂指令的理解程度。

从生成效果来看，几家都理解了特写拍摄、少女、裙子、粉色鲜花、低头看花、微笑等人、物和动作，但问题出在指令解读上，比如可灵没有读懂“一个有着一头黑色卷发的中式少女”，随后我们换成“一个中式少女、黑色长卷发”才成功生成。

各家对“中式少女”的理解也不尽相同，比如智谱清言生成人物的更像外国女孩，相比之下，在FilmAction里选择新中式风格，先文生图，再图生视频的理解最好，但使用起来也复杂一些。

「定焦One」还对比了AI工具这半年来的进化速度。以即梦为例，和五个月前相比，人物真实感有明显提高。

即梦之前生成的视频

综上，在基础功能上，Sora的表现还谈不上惊艳。

2、进阶功能：主要测试此次Sora发布的新功能，也是本次Sora宣传的重点。

多位从业者提及，Remix（重混）功能实现起来比较复杂，因此我们直接上难度测试了这一项，让Sora将此前生成视频中的兔子替换成小狗，结果出现了胡萝卜或者小狗起飞的状况。

看来，实际操作远没有样片中丝滑。不过，也有从业者表示，实测中存在一定偶然因素，最终效果和提示词、场景、风格的关系比较大。

经过一番对比，不难发现，尽管Sora的发布让人震撼，但目前其实力还没强到让国内从业者恐慌的程度，大家对Sora的整体评价是，效果在预期之内。

生数科技投融资负责人樊家睿评价，相比今年2月份释放的demo，Sora在模型效果方面，真实感上并没有显著变化。另外，结合多位网友实测反馈，Sora在长时间处理复杂动作时还存在一定困难，模拟物理世界时可能会犯错。

至于它发布的一系列新功能，从业者们见仁见智。

瀚皓科技CEO吴杰茜告诉「定焦One」，和Sora类似的Storyboard（故事板）、Style presets（风格预设）功能在FilmAction中已经实现，Blend（混合）功能最先在国外的AI生成视频工具Luma中亮相，主要原理是首尾帧生成，Re-cut（重新剪辑）功能底层依靠的是视频续写，目前国内工具也已经具备。

不过，AI行业资深研究者江树表示，此次Sora发布的一些功能属于独家，国内的产品基本没有。尽管从技术上来说并不新鲜，比如可灵的运动笔刷、首尾帧功能也能做到视频衔接和循环，但他觉得，Sora的实现方式比较高明。

他以Remix举例，用户想改变视频中的主体，国内基本是通过“替换关键帧”实现，但Sora的Remix不是，因为在直播演示中，猛犸象在变成机器人时，沙子扬起的细节都能与主体保持一致。

“或许Sora目前透露出的最大优势是处理细节的连贯性。”江树表示，他举例，在直播演示中，机器人在沙漠中漫步，这一画面从远景到特写，中间的转换十分自然。Sora的空间感也不错，摄像机绕着一个物体进行360度旋转，每个角度下的细节都非常准确，这说明Sora对三维场景有较为完整的理解。

另一个加分项是产品体验。江树表示，Sora这次发布的是一个从视频生成到制作成品的端到端的完整产品，不像之前ChatGPT发布时只有一个对话框。

“Sora在基础的文生视频、图生视频以外，提供了一些提升视频创作体验的功能，说明OpenAI确实更关注产品体验了，”樊家睿觉得，Sora新功能的实现路径非常明确，对于他们而言，背后不是技术实现难度问题，主要是时间问题。

接下来，AI生成视频赛道又要卷起来了。

*题图来源于Pixabay。