洋彼岸，Sora的到來，似乎讓AI有了睜眼看世界的可能。在官方表述中，Sora被稱為“世界模擬器”：它理解真實的規(guī)則，并在此基礎(chǔ)上生成“世界”。

如果說從前還是一道銅墻鐵壁，那么現(xiàn)在，虛擬與真實可能僅一線之隔。大家都不想做創(chuàng)建虛構(gòu)的玩具，而是想成為生成世界的“造夢機”。Sora之后，它的挑戰(zhàn)者們前赴后繼。

6月，視頻生成大模型迎來又一輪新品爆發(fā)，生成式AI賽道像是“過年了”。快手可靈、Luma AI以及Runway迭代更新后的Gen-3 Alpha等現(xiàn)象級爆款不斷涌現(xiàn)。其中，討論度最高的是快手自研視頻生成大模型“可靈”，全面對標(biāo)Sora。

《每日經(jīng)濟(jì)新聞》記者將OpenAI官方公布的5條Sora視頻提示詞投喂給可靈，對其文生視頻的能力進(jìn)行測試，同時從動態(tài)、視效、細(xì)節(jié)、場景等多維度表現(xiàn)進(jìn)行結(jié)果比對和關(guān)聯(lián)。

每經(jīng)記者從五大場景全面評測Sora和快手可靈

測試和觀察后發(fā)現(xiàn)，雖然在部分維度Sora仍然領(lǐng)先，且可靈由于尚處開放初期，上線功能相對單一，生成存在一定限制，但幾乎可以判斷，國產(chǎn)視頻生成大模型已經(jīng)上升到了一個新的高度。

國金證券互聯(lián)網(wǎng)傳媒首席分析師陳澤敏在接受記者采訪時表示，拋開技術(shù)，快手“可靈”已經(jīng)實現(xiàn)一部分絕對真實世界觀的數(shù)據(jù)支持，AI對不同世界觀的快速理解以及在視頻上的反應(yīng)，“這是我認(rèn)為不可思議的”。

可靈，靈嗎？

Sora之后，國內(nèi)視頻生成大模型不斷推出。

3月底，字節(jié)旗下Dreamina（即夢）內(nèi)測視頻生成功能；4月底，生數(shù)科技首個文生視頻模型Vidu發(fā)布；5月，騰訊也開源了DiT架構(gòu)的混元文生圖模型。

今年以來，快手先后發(fā)布1750億參數(shù)規(guī)模的通用大語言模型“快意”和文生圖大模型產(chǎn)品“可圖”。視頻生成大模型可靈則在6月被推出，快手方面稱，可靈能夠生成大幅度的合理運動，模擬物理世界特性，生成的視頻分辨率達(dá)1080p，時長最長可達(dá)2分鐘。圖生視頻功能后續(xù)開放。

《每日經(jīng)濟(jì)新聞》記者選取了OpenAI官方公布的5條Sora視頻提示詞（東京街頭的女士、太空人、無人機視角的海岸、3D動畫的小怪物、云端讀書的年輕人）測試可靈。同時比對生成視頻進(jìn)行效果測試，從“畫面呈現(xiàn)”“功能與體驗”兩大維度下的多個具體表現(xiàn)進(jìn)行總結(jié)。

在畫面呈現(xiàn)上：

1、動態(tài)效果。可靈的“鏡頭”普遍為前后向邏輯推進(jìn)，Sora則更豐富。在“海浪撞擊懸崖的無人機視圖”一項，Sora畫面的聚焦點在提示詞中“有燈塔的小島”，對整個環(huán)境進(jìn)行環(huán)視，重點突出。可靈的鏡頭前后推進(jìn)，小島被設(shè)置在畫面的最遠(yuǎn)端，沒有重點突出小島。不過，Sora和可靈對海浪的運動軌跡描述都很準(zhǔn)確。

2、視覺效果。這一項上，Sora和可靈表現(xiàn)都較為優(yōu)秀。特別是在“東京街頭的女士”視頻畫面呈現(xiàn)上，無論是對霓虹燈色彩的展示，還是潮濕地面反光的呈現(xiàn)，兩個模型的畫面光影表達(dá)都很準(zhǔn)確。

3、細(xì)節(jié)表現(xiàn)。記者重點關(guān)注到二者對人的五官的呈現(xiàn)。Sora的刻畫更細(xì)致，特別是人在動態(tài)場景下，五官沒有變形，幾乎是相對靜態(tài)的。可靈在動態(tài)場景下，人的五官有所變形，會隨著畫面鏡頭的推進(jìn)、人的動作而扭曲。

但在“3D動畫的小怪物”生成上，可靈的細(xì)節(jié)表現(xiàn)與Sora差別不大，特別是對小怪物蓬松毛發(fā)特性的捕捉和呈現(xiàn)上，很精準(zhǔn)也很細(xì)致。