2024年Sora发布：首个DiT产品震撼登场，创作者热议1080p视频生成订阅

“还记得2024年2月16日，农历新年，大家兴奋得彻夜未眠，被Sora发布的demo震惊了。差不多一年后，奥特曼终于发布了Sora，而眼前的东西他的眼睛是，订阅可以生成无限 1080p 视频的专业模式的费用高达 200 美元！” AIGC 创始人陈伟说道。

陈伟（@cauldfinVicky）毕业于北京电影学院，青年导演、编剧。他也是AIGC创意领域的KOL，曾与多个视频生成平台合作。 12月10日，《空》一发布，陈薇就在网站上注册。虽然价格昂贵，但Sora是第一个发布产品样品的DiT产品，因此他“硬着头皮下了订单”。

网站刚发布的当晚，Sora的流量激增，10日凌晨正式停止注册。关闭前，与陈薇注册成功的同人有AI Talk主播、AIGC创作者历史和AI博客主@Qiuzhi2046，这些创作者群体将是未来视频生成的主流客户。花费近1500元购买Sora，能产生什么样的效果，值不值得？

在经历了近一年的DiT技术爆发后，创作者对Sora的期望不再那么高。国内的科灵、极萌、海螺等各种DiT架构的视频模型效果，还有国外的Runway、Luma等，都已经不错了。尽管如此，Sora并没有达到很多人的期望。虽然产品体验上有亮点，但底层能力并没有拉大与同类产品的差距。消失的肢体和飞来飞去的东西的场景仍然存在，并且像所有 AI 视频一样，它们需要“抽卡”。

上海交通大学电子系教授、博士生导师倪冰冰也体验过Sora。他告诉第一财经记者，团队从多个维度对比了Sora和几款国产视频生成工具，发现这个版本的Sora不太一样。其表现优于国产车型，甚至在一致性等某些方面明显不如国产车型。

视频生成轨道持续增长。一年来，已有数十款产品在国内外发布。这种趋势到了年底还没有停止。谷歌刚刚迭代推出了 Veo2。很多人都觉得它在模拟物理定律方面比Sora要好。更好的。但未来谁将留在牌桌上还无法确定。

早起去赶夜市

年初《Sora》上线时，大家都惊呼“现实已经不存在了”。年底，“交付困难”10个月的Sora终于正式向用户开放。开服初期，很多关键词依然是“王者归来”，但随着更多用户体验游戏，评价迅速逆转。更多人的反馈是失望和低于预期。

“当晚发布后，一些媒体想早点赶上，当时很滞后，所以没有真正测试它的效果。第二天，我们这些真正测试过的人就完成了他们的观点并且体验了每一个功能点，我们认为它的代故障率非常高，并没有想象中的那么惊人。”体验后，陈伟认为Sora的故事板功能和Vincent视频确实很好，但它的图形视频和整体模型没有达到预期，“毕竟这是国内的现象。”视频模特平台这么久了。”

视频生成模型往往需要多次生成才能获得可用的剪辑，业内称为“抽卡”。陈伟发现，空的抽牌频率还是很高的。 “在我的演示中，你可以看到它无法区分物理方向。例如，如果让一只狐狸向前走，它就会向后跑。对女孩飘逸的头发进行物理识别是很困难的。”好的”。

邱智告诉记者，年初《空》问世时，所带来的震撼几乎是举世皆知的，发布的物料也是以前从未见过的。 OpenAI让大家的期望值非常高，但发布后发现底层模型能力差距并没有拉开，之前提出的世界模型和真正理解物理定律的能力还没有。

“Sora未能达到预期是可以预见的。”一家AI公司的产品经理Brian表示，Sora的问题在于Vincent Video能理解的概念有限，整体出片率低，复杂场景生成的东西基本无法使用，而且图片是原始的视频会严重偏离原图风格，场景之间连贯性不足。商业化是所有产品都需要考虑的因素。 Brian认为Sora目前的文声视频还不符合商业化的条件。

Sora之所以引来如此多的用户吐槽，更大的原因是“时机不对，没有起到引领作用”。 Sora发布推迟后的10个月里，国内外多个大型视频模型都走上了DiT架构路线。新品的发布甚至经历了多轮快速迭代，但赶晚集的空却没有占据领先地位。

今年AI圈的视频生成大战是从Sora开始的。 4月，国内盛数科技发布了大视频模型Vidu，6月快手发布了视频生成模型Keling，Luma AI发布了Dream Machine，Runway于7月向大家发布了Gen-3 Alpha。向用户开放，爱视科技同月发布PixVerse V2，随后智浦正式发布青影视频……短短一年时间，业界见证了数十种视频生成模式的出现。

在众多竞争对手中，国内创作者目前使用的主导产品有字节跳动的极萌、快手的可灵、Minimax的海螺，海外则有Runway、Luma等。

倪冰冰是国内最早开展视觉内容智能生成研究的学者之一。他告诉记者，团队从细节保留、遵守物理规律、语义正确性、转场一致性等多个维度对Sora和几款国产视频生成工具进行了对比，得出的结论是，在这些维度上，这次Sora版本的表现并不算更好。比国内型号，甚至在一致性等某些方面比国内型号还明显差。

“目前国内的AI视频产品非常受追捧，非常受欢迎，大家都看到了太多好的效果，已经回不到4秒轻松处理的时代了。”陈伟表示，除了模型能力外，用户还非常关心抽卡率、交互性、套餐性价比等，Sora目前无论从哪个角度比较都没有足够的优势。她告诉记者，如果纯粹是为了制作AI视频，不要花200美元购买，也没有必要花20美元购买。

智普CEO张鹏在论坛上评价Sora时，指出Sora的效果与他的预期有些不同。如果从技术指标来看，国产一些视频一代机型并不比Sora差。然而视频模型的竞争并不是简单地比较参数，而是如何产生实际应用并产生生产力。张鹏认为，本次发布的Sora将大量精力集中在产品而不是模型上，比如视频编辑能力和工作流程。这是向用户需求的转变。

这次Sora展示了一些新功能，包括用户普遍反映有用的故事板功能，可以使用文本、图片和视频来更准确地控制同一时间段内的镜头移动，以及重新剪辑（重新编辑）可用于修剪视频的功能。重新扩展生成，Remix工具可以替换、删除或重新设计视频中的元素，Loop工具可以生成无缝重复视频等等。

这些新功能使得Sora生成的视频方向更加可控。但陈薇认为，鉴于屠胜的模型能力如此之差，这些功能对她来说“都是徒劳”。她提到，大家现在的工作流程还是依赖土生视频，因为商业化需要可控、稳定、一致的画面。 Sora努力设计创新的功能和交互，但图胜模型的核心能力却如此贫乏。这是一个大问题。

200 美元值得吗？

“我的肠子里充满了悔恨，请还我200块钱吧。”一位用户在体验了 Sora 后在社交媒体上进行了报道。考虑到Sora并没有明显领先于竞品，一些从业者认为这种价格设计过于昂贵。

“如果不是刚需，每月近1500元的费用确实有点贵。”陈伟表示，但业内其他同类竞品的价格并不便宜，作为商业化团队，我们负担得起这笔支出。另外，200美元是一张ChatGPT Pro会员券。除了无限视频生成之外，您还可以无限制体验OpenAI推出的GPT-4o和o1、新推出的通话功能等。

“作为一名人工智能重度用户的创作者，200 美元很便宜。”邱志也相信。

Sora 这次没有作为单独产品定价。 OpenAI给出的计划是，Sora Turbo将免费提供给ChatGPT。 Plus和Pro用户，每月价格为20美元（约合人民币145元）的Plus用户每月最多可以生成50个480P分辨率的优先视频； Pro 订阅者可以生成最多 500 个 1080p 分辨率的优先视频。此外，慢速还可以生成不限速的视频，并且可以下载无水印的视频。相应的月费为200美元（约合人民币1450元）。

不过，创作者告诉记者，500个优先视频是保守估计。由于Sora采用基于积分的定价策略，因此所需的积分根据分辨率和持续时间而有所不同。如果都以更高的质量生成的话，大概只能生成几十个视频。但优先视频用完后，创作者普遍认为慢视频目前并不慢，2-3分钟即可产生结果，影响不大。

陈薇经历了这两年视频模特的发展，她对价格已经有了预期。例如，国外头部视频模特Runway的无限制包月价格为95美元（约合人民币692元），国内视频模特海螺的无限生成高级会员价格为每月666元。快手最高端会员666元，含800视频生成，无无限生成套餐。

陈伟此前从事传统影视工作。 “以前拍摄时，制作成本非常高，比如租用摄像机的费用、人员工资、场景费等，制作一个视频往往需要几千甚至几万元。”她认为，对于非专业用户来说，一般来说，只是为了新鲜感而购买后，价格会感觉有点贵，但对于从事专业视频制作的人来说，从各个平台购买会员也是正常的开支，而且商业作品的制作将承担相应的费用。

AI Talk是中国最早使用人工智能制作视频的公司之一。其背后负责人毕业于清华美院。在一家互联网大公司风风雨雨十年后，他选择加入这波AI创业浪潮，从事AI数字艺术创作。

谈及Sora的价格，History告诉记者，作为一个现金流相对健康的团队，对这些产品的价格并不敏感。 “只要有业务合作，成本就可以覆盖，最终人工智能工具赚的钱就可以覆盖。”肯定超过200美元了。这比雇用一名员工要便宜得多。”

Sora开业的第一天，History充值成为了Pro会员。经过充分的体验后，他认为Sora确实做得很差，但同时他也看到了该模型的潜力。在他使用Sora完成的视频中，有两个场景给他留下了深刻的印象。

“有一部分是独角兽展开翅膀向上飞的场景，还有一个孩子坐在购物车里向前走的特写镜头，跑了20秒后人物表情非常真实”。在这两个场景中，History看到了Sora模型的更大潜力，他认为如果能够给予更多的时间来优化一些点，Sora模型可能会有更大的提升。

虽然OpenAI最近所做的一系列事情并不靠谱，但历史相信其技术积累不容小觑。还有一点就是审美问题。索拉文圣视频的画质在美观度上更加出色。如果对画面美观的要求较高，“开卡”的成功率会比其他机型大很多。这就是迄今为止Sora的经历的历史。优点。

尽管饱受诟病，Sora 也并非没有优点。此次推出的众多产品功能中，不少创作者提到了recut（重新剪辑）功能和故事板功能等行业创新。

重新剪辑并不是以往影视创作中的后期剪辑。 “以7秒的视频为例，Sora可以删除视频中的第1秒和第5秒，只保留中间的4秒，对视频进行平滑延伸。”历史表明，实际应用非常方便，可以解决需要图胜视频进行视频连接的问题。”

空出来的那天晚上，秋植用了快速视频的积分。经过彻底的测试，她觉得自己的模型没有太多突出的地方，但意想不到的一点是产品和功能很多。邱志认为，最大的亮点是故事板，这是目前其他同类竞品所没有的，是一个完全创新的模式。

过去，视频模型生成5-10秒的镜头，只能通过提示文字“假装”控制镜头移动，但Sora的故事板功能可以精确到创作者需要控制的秒数。以10秒的视频为例，创作者可以准确判断第2、4、6秒会出现什么场景，并填写所需的提示词。由此，创作者可以大致将视频控制在10秒之内。向。

陈伟介绍，对于传统电影来说，最重要的两点是画面中演员的表演，第二是场景调度，即镜头如何变化。 “如果我能在10秒内清楚地写出每个点需要什么画面和镜头动作，这个分镜一定程度上就能实现传统电影制作中的场景调度功能，实现场景可控。”

不幸的是，陈伟提到，Sora目前只擅长通过文声视频完成任务，而图声视频的效果并不理想，模型可能无法完全符合用户给出的提示词。

历史相信Sora的生成速度是值得肯定的。就算优先级点数用完，空现在的慢速无限视频生成时间也不算太慢。 “一个15秒左右的视频大约需要一两分钟。”就历史而言，这是此类商业创作者值得付出的一点。国内一些平台最多需要等待20多分钟。

“一般用户可能不介意速度，但我们的主要工作就是不断地开卡，所以我很关心开卡的效率。你不能让我等太久，时间成本很高，其次是创意想法会被消耗，灵感转瞬即逝。”历史说。

差距尚未拉大

在众多的视频模型中，未来创作者会选择哪种软件？目前还没有人能回答这个问题。国内外创作者正在同时接触和尝试头模产品。目前，谁也无法确定这几十家主要车型厂商中哪一家最终会获胜。

在创作者经常使用的头部产品中，陈薇发现，有些产品在某些细节上可以表现得更好，但作为用户，却无法拉开本质差距。 “原因在于他们使用的底层。这些模型都是 DiT 或类似 DiT 的技术，细微差别可以通过绘图卡来解决。”

目前国内外更新的AI视频模型大多采用DiT架构。核心问题是，在这种架构下，AI无法真正识别物理空间，从而导致运动效果出现误差。陈伟认为，DiT架构可能比早期的第一代视频模型有更好的运动效果，但实际上它仍然无法理解物理定律。圈内经常讨论，如果AI视频需要进一步发展，可能需要新的技术突破。

倪冰冰告诉第一财经记者，目前基于DiT的解决方案是利用Scaling law的思想来提高生成视频的质量，天花板非常明显。由于视频空间维度太高，无法达到我们期望的高精度和准确度，也无法精确控制生成过程。

“解决这个问题的方法是建立一种内容表示方法，将视频中的所有对象实例及其属性解耦。这也可以认为是世界模型框架下的一种实现。在这种新的非像素表达下，只有通过训练高效与物体和属性相一致的生成计算网络可以从本质上解决物理定律的准确性、可控性和正确性问题。”倪冰冰提到，他的团队一直在做新的表述和计算。形式。

年中Minimax推出海螺视频时，创始人严俊杰告诉记者，做视频模型“相当困难”。视频的工作复杂度比文本的工作复杂度更高，因为视频的上下文文本自然就很长，5秒的视频就有几兆字节长。

“挑战在于如何处理数据、如何清理数据以及如何对之前基于文本构建的底层基础设施进行注释。”严俊杰认为，基础设施需要升级，二是耐心。没有那么多开源视频内容。这需要更多的耐心。

过去的一年是AI视频生成的历史性时刻，但未来视频模型厂商还有很多问题需要解决。据业界判断，视频生成仍处于早期阶段。与大型语言模型类比，视频生成仍处于GPT-3时代。

未来，哪些厂商能够坚持下来，又将凭借怎样的技术生态走到最后？两个都不知道。

从历史的一个判断是，未来的车型市场可能百花齐放，不会像互联网大战那样，只剩下寥寥一两家企业。他发现每个模特的“性格”都不一样，就像不同的人有内向和外向一样，有的人能多说话，有的人说话太多就不好，模特也是如此。

“如果我需要高真实感和高动态，这是一个优势。但当我们制作采访视频时，我们不希望镜头移动太多，这时候它的高动态效果就是一个负担。”历史认为，不同的模型都有它所擅长的，未来创作者可能不想摆脱哪一个，而是如何与这些模型相处。

（本文来自第一财经）