電子發燒友網報道（文/梁浩斌）今年春節期間，OpenAI的AI文字生成視頻模型Sora驚艷全世界，極高的視頻生成效果、長達60秒的視頻生成長度，讓過去Pika Labs推出的Pika 1.0、去年Runway推出的Gen-1、谷歌團隊發布的VideoPoet等各種文生視頻模型都黯然失色。

然而，Sora在發布近4個月的時間里，依然沒有開放普通用戶使用，同時也沒有更多的視頻案例流出，目前只有官方發布的演示視頻。

最近，快手旗下的名為“可靈”的文生視頻大模型上線，與Sora不同的是，可靈發布即開放申請使用，目前已經有大量用戶獲得使用名額，社交平臺上已經有不少用戶上傳了可靈生成的視頻，甚至在海外AI圈迅速爆火。

對比Sora，可靈的效果如何？

快手在推出可靈時，很明確地表示可靈是“首個效果對標Sora且面向用戶開放的文生視頻大模型”。既然對標Sora，那么就要看下雙方的實際表現如何了。

首先從生成視頻的指標上看，Sora宣稱能夠輸出1080p分辨率，最長60秒的視頻，從OpenAI展示出的Demo來看，Sora的強大之處更在于物體模型的穩定，不僅是在單鏡頭運動中物體建模能夠保持一致性，即使是多鏡頭的畫面切換中，依然能夠保持色彩、畫面風格的一致。

可靈官方宣稱的指標是，支持長達2分鐘的電影級畫面輸出，支持720p和1080p視頻輸出，幀率30fps，同時支持多種寬高比。可靈采用3D時空聯合注意力機制，能夠更好地建模復雜時空運動，生成較大幅度運動的視頻內容，同時能夠符合運動規律。

提示詞：小男孩在花園里騎自行車經歷秋冬春夏四季變換

在一些演示視頻中，也可以看到可靈的物理建模比較穩定，在一分多鐘的長鏡頭畫面中，整體畫面一致性表現較為理想。

提示詞：微距鏡頭，火山在一個咖啡杯中噴發

文生視頻的一個重要應用就是生成現實中不存在的畫面，能夠充分將人的想象力轉化成視頻。Sora發布之初在咖啡杯中的海盜船令人印象深刻，可靈官方演示視頻中也有類似的案例。

提示詞：一個戴眼鏡的中國男孩在快餐店內閉眼享受美味的芝士漢堡

在“吃漢堡”的場景中，Sora此前的演示視頻已經較為真實地展示了漢堡的咬痕，但可靈添加了更多細節，不僅是漢堡在被咬后的缺口，同時小男孩咬下漢堡后嘴邊殘留的碎屑也展現出來了，更加符合物理規律。

不過，目前可靈內測的版本只支持5秒、720p分辨率的視頻，有博主測試同樣提示詞，可靈有時候理解相對Sora會較弱。

比如提示詞：動畫場景特寫了一個跪在融化的紅燭旁的毛茸茸的小怪物。藝術風格是3D和現實主義的，重點是照明和紋理。這幅畫的基調是驚奇和好奇，因為怪物睜大眼睛張著嘴凝視著火焰。它的姿勢和表情傳達出一種天真和頑皮的感覺，就好像它是第一次探索周圍的世界。暖色和戲劇性燈光的使用進一步增強了圖像的舒適氛圍。

這串細節描寫豐富的提示詞，Sora官網展示的效果是這樣的：

而可靈是這樣的：

當然，由于模型的不同，可能可靈的提示詞優化方向會與Sora有所區別。

但從效果來看，可靈與Sora已經十分接近，更重要的是，可靈已經開放公眾測試，Sora目前依然處于PPT階段。

文生視頻模型即將迎來大爆發？

盡管Sora表現依然有所領先，但此前Sora火爆出圈的短片《氣球人》被爆經過大量后期調整，三個人的團隊花了1.5至2周的時間才做出來，團隊自曝Sora生成的視頻素材最終用到影片里的只有1/300。

所以，Sora一直未開放使用或許也有實際效果不如預期的考慮。因此，可靈的強大之處在于，實打實地開放給創作者使用，目前在快手旗下的快影APP中就能申請使用資格，截至6月14日，已經有8萬人在排隊審核中。

同時，快手上已經出現大量采用可靈制作的短片，通過多個5秒的短鏡頭拼接而成，實際效果可見即可得。

而近期除了可靈之外，Luma AI也對外開放了其文生視頻模型Dream Machine，更是宣稱可以輸出120秒120幀的高質量視頻。

目前文生視頻模型，包括可靈、Sora等都采用了Diffusion Transformer作為整體架構，有觀點認為，Sora并不是技術性的突破，而是產品性的突破。即文生視頻實際上也是大模型應用的一個方向，而Sora就是其中一個突破性產品。

可靈領銜的文生視頻模型大規模應用，更是代表著這類產品的新高度。從產品上看，可以預見，未來半年里，國內外可能將會陸續涌現更多高質量的文生視頻大模型產品，并大大加快迭代的進度。

文生視頻大模型的爆發，將會有很大可能，徹底改變未來短視頻創作的生態。