国庆期间，OpenAI CEO奥尔特曼（Sam Altman）意外成为AI生成视频的“网红”。在这些由AI生成的视频中，他时而坐在东北大炕上吃饭，时而出现在阿里和字节员工的会议室中，甚至化身为街头的外卖骑手。这一切的幕后推手，正是OpenAI在10月1日正式推出的新一代视频生成模型——Sora2，以及与之配套的AI视频社交App“Sora”。目前，用户可通过邀请码免费下载使用，一次生成长达10秒的AI视频，奥尔特曼也因此成为这场全民AI创作盛宴中的“常客”。
第一财经记者亲身体验Sora2后发现，与去年发布的初代Sora相比，Sora2在物理逻辑、画面一致性以及真实感上均实现了显著提升。仅需一张照片和一句提示词，AI便能创作出富有剧情和文案的短片。然而，这是否意味着AI视频已经跨越了“真实”的门槛呢？从测试结果来看，Sora2尚存不足。
至顶科技总编辑、PEC联合发起人高飞指出，Sora2相较于上一代是一个重大的版本更新，在许多场景中已达到了以假乱真的程度。但与其他AI产品相比，Sora2在技术上并未形成代差领先。他更关注的是其产品玩法，认为在打造互联网产品方面，OpenAI暂时领先于其他公司。
OpenAI在官方博客中宣称，Sora2是“迈向GPT-3.5时刻的一步”。然而，AIGC创作领域的知名意见领袖@尾鳍Vicky认为，对于创作者而言，这一时刻或许尚未到来。毕竟，产品仍无法彻底解决一致性和物理问题。但对于大多数普通用户来说，玩AI视频已经变得触手可及且充满乐趣。
实测Sora2：优缺点并存
过去两天里，OpenAI成功地进行了一场产品发布营销。截至发稿时，Sora APP在美区iOS免费应用排行榜上已跃居第三位，仅次于谷歌的Gemini和OpenAI自家的ChatGPT。
由于Sora采用邀请制免费使用，国内闲鱼平台上已出现售卖邀请码的生意，其中单价6.88元的邀请码更受欢迎，已有近50人表示想要购买。
用户在使用Sora2前需准备一个邀请码。注册后，该邀请码可裂变出4个新邀请码供分享给朋友。一旦邀请码被使用，便会自动关注邀请对象，从而逐渐构建起好友网络。由此可见，Sora从一开始就融入了强社交元素。
有人将Sora誉为“AI版抖音”。其应用主页为垂直视频流，用户可上下滑动浏览不同用户发布的视频。但所有内容均由AI生成。在生成视频时，用户可选择上传图片并结合文字提示，或使用“Cameo”（客串）功能，基于自己或朋友的形象进行提示词生成。
Sora2作为Sora APP的技术支撑，OpenAI在博客中表示，Sora2能够完成以往视频生成模型难以实现的任务。它在物理表现上更加精准、逼真，且在可控性方面实现了巨大飞跃。此外，它还配备了同步音频功能。
在获得邀请码后，第一财经记者测试了基于Sora的视频生成效果。与初代相比，确实有了大幅提升。其输出结果已基本能满足C端用户的娱乐需求。尤为亮眼的是，AI在镜头语言上极为丰富，对话充满想象力，且音频输出方面口型与发音保持一致。但目前生成一个10秒的视频仍需等待数分钟，且分辨率有待提高。
以奥尔特曼为主角，记者给出的AI提示词是：@sama在工作敲代码，一只银渐层走过来生气地关掉了电脑主机电源，他们开始吵架。
在这个视频中，Sora精准捕捉了猫爪关电源的画面，并伴随准确的关机音效。同时，也展现了奥尔特曼吵架时生气的表情和姿态。细节和环境均显得非常真实。在发音时，人物的口型也能完美对应。
值得一提的是，Sora还会为角色“加戏”。在提示词中记者仅提到“开始吵架”，但AI视频对话中，猫咪会抱怨“你一下午都没陪我，而且风扇像拖拉机一样”，主角则回复“先开回来，咱俩再谈”。情节补充自然，与场景配合得非常真实。
然而，这一产品也并非完美无缺。例如，录入人脸生成的视频并不完全像本人，有用户反馈是“似像非像”的效果。同时，Sora在事实逻辑上仍存在错误。在一个使用灭火器的场景中，灭火器喷雾的出口并不准确。
中文支持更是问题重重。例如，有用户让奥尔特曼成为外卖员，其外卖服上出现了凭空生造的文字。
@尾鳍Vicky认为，Sora的优点很明显。用户数字人的物理效果和唇型驱动效果很好，且在APP的使用交互上下了一番功夫。例如，从注册开始就让用户在“验证”过程中完成素材内容的录制，且仅需很短的音频和视频就能输出不错的效果。此前，图生、文生视频的路径已经存在很久，但效果和应用都没有Sora这么自然、对用户如此友好。
但另一方面，Sora的缺点也同样突出。@尾鳍Vicky提到，虽然相比初代Sora2在物理理解问题上有所改进，但涉及到多元素的物体交互时，仍会出现手脚和脸模糊等丢失细节、动作不符合物理逻辑等问题。从这个维度上来说，Sora2在模型能力的提升上并未达到可以真正解决技术问题的那一步。
GPT-3.5时刻是否已到来？
在官方博客中，OpenAI将2024年2月的初代Sora比作“视频的GPT-1时刻”，而将Sora2定义为“可能直接跳到了GPT-3.5的时刻”。
博客中解释认为，之前的视频模型会变形物体和现实，但Sora2可以做一些对于之前的视频生成模型来说非常困难的事情，如奥林匹克体操动作、在桨板上的后空翻等，并能精确地模拟浮力和刚性的动态。模型在可控性方面也有了很大的飞跃，能够创建复杂的背景音、语音和具有高度真实感的声音效果。
但问题是，AI视频的“GPT-3.5时刻”真的来了吗？@尾鳍Vicky认为，至少对于创作者来说还没有。因为Sora2仍无法彻底解决一致性和物理问题。但对普通用户来说，AI视频的门槛已大幅降低，玩AI视频真的变成了一件很简单且很有趣的事。
高飞认为，Sora2与其他AI产品相比，在技术上并未形成代差领先。例如，谷歌有Veo3、Nano banana以及世界模型Genie3，在多模态方面相当强悍。而国内的可灵、即梦也能与之一战。
今年5月，Veo3推出时也曾在社交网络上火出圈。一些人物视频极具真实感，被认为是AI视频领域领先的水准。但彼时行业人士仍然认为，现阶段的AI视频对实际生产的帮助仍然不算太大，并未来到真正的GPT时刻。
相较于模型技术，高飞认为Sora2更值得关注的是其产品玩法。OpenAI将它打造成了一个更类似于短视频的消费者App，其主要机制是要求用户上传自己的脸部数据和声音信息做AI二创。“这样一方面很容易拿到了最为宝贵的消费者面部数据，其次用户基于自己的人脸创造的视频，配合邀请码机制，也很容易吸引亲朋好友链式传播。”
因此，高飞的观察是，“OpenAI可能在模型不一定是最强，但是在打造互联网产品方面，领先于其他所有公司。”这次Sora2不追求画质和时长，也是典型的互联网打法，先完成再完美，后续再迭代。
@尾鳍Vicky也认为，Sora2这次的发布更侧重于APP的交互设计，并不仅是模型本身的更新。“Sora2目前的定位，似乎并不是以专业的AI视频创作为导向，而是更专注于如何用AI视频来完成用户社交，做寻找应用场景的新尝试。”
从海外市场来看，对于Sora2和Sora应用的发布则褒贬不一。有用户认为技术惊艳、创造力会大爆发，也有人认为这些无聊的视频毫无意义，与宏大的AGI愿景、人类福祉相悖。
有用户发帖讽刺称，2周前，奥尔特曼说“我们需要7万亿美元和10吉瓦来治愈癌症”，他现在表示“我们正在推出以个性化广告形式营销的AI垃圾视频”。
奥尔特曼转发了这一帖子，并回复称需要资金来继续研究AI，并且几乎所有的研究精力仍然集中在通用人工智能上。“向人们展示很酷的新技术或者产品，让他们开心，并借此来赚取一些钱，这也是一件好事。”奥尔特曼称，当谈到公司的最佳发展轨迹时，现实情况是微妙的。
“重要的是让人类从这些模型的开发中受益。我们认为Sora会给世界带来很多欢乐、创造力和联系。”OpenAI在博客中写道。未来，随着视频模型持续进化，通用世界模拟器与机器人Agent将重塑社会。无论如何，Sora2都朝这一目标迈出了重要的一步。
猜你喜欢
