Sora还在PPT阶段，“中国版Sora”已经开放使用了！

今年春节期间，OpenAI推出的AI文字生成视频模型Sora在全球引发轰动。凭借极高的视频生成效果以及长达60秒的视频生成长度，Sora让Pika Labs的Pika 1.0、Runway的Gen-1、谷歌的VideoPoet等众多文生视频模型瞬间黯然失色。

然而，Sora发布近4个月来，普通用户依然无法体验，官方也没有公布更多视频案例，只有最初的那几段演示。就在大家翘首以盼之时，快手旗下的文生视频大模型“可灵”正式上线。与Sora不同的是，可灵发布即开放申请，目前已有大量用户获得测试资格，社交平台上涌现出不少可灵生成的视频，甚至在海外AI圈也迅速走红。

对比Sora，可灵的效果如何？

快手推出可灵时，明确表示它是“首个效果对标Sora且面向用户开放的文生视频大模型”。既然对标Sora，那实际表现究竟如何？

从生成视频的指标来看，Sora宣称能输出1080p分辨率、最长60秒的视频。从OpenAI展示的Demo看，Sora的强大之处在于物体模型的稳定性——不仅单镜头运动中物体建模能保持一致性，即使多镜头画面切换，色彩和风格也能保持一致。

可灵官方宣称的指标更为激进：支持长达2分钟的电影级画面输出，支持720p和1080p视频，帧率30fps，同时支持多种宽高比。可灵采用3D时空联合注意力机制，能够更好地建模复杂时空运动，生成较大幅度运动的视频内容，同时符合运动规律。

在一些演示视频中，可灵的物理建模表现也比较稳定。在一分多钟的长镜头画面中，整体一致性较为理想。

文生视频的一个重要应用是生成现实中不存在的画面，将想象力转化为视频。Sora发布之初，咖啡杯中的海盗船令人印象深刻，可灵官方演示视频中也有类似案例。

在“吃汉堡”场景中，Sora的演示视频已经较为真实地展示了汉堡的咬痕，但可灵添加了更多细节——不仅是汉堡被咬后的缺口，小男孩咬下后嘴边残留的碎屑也展现出来了，更符合物理规律。

不过，目前可灵内测版只支持5秒、720p分辨率的视频。有博主测试发现，同样的提示词，可灵的理解能力有时比Sora稍弱一些。

比如这个提示词：动画场景特写了一个跪在融化的红烛旁的毛茸茸的小怪物。艺术风格是3D和现实主义的，重点是照明和纹理。这幅画的基调是惊奇和好奇，因为怪物睁大眼睛张着嘴凝视着火焰。它的姿势和表情传达出一种天真和顽皮的感觉，就好像它是第一次探索周围的世界。暖色和戏剧性灯光的使用进一步增强了图像的舒适氛围。

Sora官网展示的效果是这样的：

而可灵是这样的：

当然，由于模型不同，可灵的提示词优化方向可能与Sora有所区别。但从效果来看，可灵与Sora已经十分接近。更重要的是，可灵已经开放公众测试，而Sora目前依然处于PPT阶段。

文生视频模型即将迎来大爆发？

尽管Sora表现依然有所领先，但此前火爆出圈的短片《气球人》被曝经过大量后期调整，三个人的团队花了1.5至2周时间才做出来。团队自曝Sora生成的素材最终用到影片里的只有1/300。

所以，Sora一直未开放使用，或许也有实际效果不如预期的考虑。可灵的核心优势在于——实打实地开放给创作者使用。目前，在快手旗下的快影APP中就能申请使用资格，截至6月14日，已有8万人在排队审核。

同时，快手上已经出现大量采用可灵制作的短片，通过多个5秒的短镜头拼接而成，实际效果可见即可得。

近期，Luma AI也对外开放了其文生视频模型Dream Machine，更是宣称可以输出120秒120帧的高质量视频。

目前，包括可灵、Sora在内的文生视频模型都采用了Diffusion Transformer作为整体架构。有观点认为，Sora并非技术性的突破，而是产品性的突破——文生视频是大模型应用的一个方向，Sora是其中的突破性产品。

可灵领衔的文生视频模型大规模应用，代表着这类产品的新高度。可以预见，未来半年里，国内外可能会陆续涌现更多高质量的文生视频大模型产品，并大大加快迭代进度。文生视频大模型的爆发，将有很大可能彻底改变未来短视频创作的生态。