​实测七款“国产Sora”，恕我直言……_ZAKER新闻

实测七款“国产Sora”，恕我直言……_ZAKER新闻

文 | 硅基研究室，作者 | kiki

8 月的一个普通夜晚，即便是在凌晨，快手可灵的官方创作者交流群里，讨论声依旧不减。

" 美女、萌宠和科幻 "。一位创作者这样分享自己的 AI 视频流量密码。" 求大神的提示词，来一个 "" 怎么赚钱？求带？" 类似的声音不在少数。

这一发生在可灵社群里的讨论，恰好反映了时下 AI 最热门赛道的现状—— AI 视频的火热。

自今年 6 月起，国内 AI 视频的迭代速度似乎进入了一个「大爆炸期」。6 月，快手可灵、Runway、Luma AI 等产品全面对外开放；7 月，商汤推出最新 AI 视频模型 Vimi，爱诗科技发布 PixVerse V2，生数科技 Vidu 大模型开放使用，智谱 AI 在官宣 AI 生成视频模型清影（Ying）正式上线的同时，还顺便开源了自家的视频生成模型 CogVideoX-2B......

在国内竞逐 AI 视频的玩家中，也鲜明地分为两派：第一类是大厂派，典型是快手与字节跳动；第二类是 AI 大模型创企，如智谱 AI、爱诗科技、生数科技、MewXAI（艺映 AI）、右脑科技（Vega AI）等，据「硅基研究室」不完全统计，目前国内涉足 AI 视频领域的选手有近 20 家，行业整体呈现加速迭代的趋势。

据东吴证券的测算，中国 AI 视频生成的行业潜在空间为 947~5858 亿元，在中性假设下（AI 渗透率 =15%）为 3178 亿元，其中 C 端、B 端市场空间分别为 2673 亿元、505 亿元。

不过，行业热闹与前景的 B 面，AI 视频还没到「开香槟」的时刻。我们实测国内 7 款的 AI 视频产品后发现——能用的很多，但好用的很少，在玩家们激进的商业化策略中，还远没从「玩具」进化到「生产力工具」。

「国产 Sora」实测：能用的很多，但好用的很少

层出不穷的大片 demo，来自各界的赞美，让国产 AI 视频成为了时下最热闹的赛道，在 Sora 尚未开放时，国内的 AI 玩家似乎都在抢抓这一窗口期，把「对标 Sora」写在了日程表上。

最激进、最为耀眼的当然要数快手的可灵，猎豹移动董事长傅盛甚至在体验过后表示：" 我觉得（可灵）也吊打了 Sora，我认为这个产品今天，在我能使用的范畴内就是全世界第一的。"

事实果真如此吗？热闹和喧嚣之外，国产 AI 视频产品真的已经如此能打了吗？为了探究这些问题的答案，「硅基研究室」选取了国内较为热门的 7 款 AI 视频产品进行实际体验，我们的发现是：能用的很多，但好用的依旧很少。

我们选取的 7 款产品分别为：快手的「可灵」、字节跳动的「即梦」、智谱 AI 的「清影」、爱诗科技的 PixVerse V2、生数科技的 Vidu、右脑科技的 Vega AI 以及 MewXAI 的艺映 AI。

在实测标准上，我们将比较不同产品的三大能力，包括基础能力、理解能力和生成能力，为了尽量保持客观，大多数 AI 视频镜头都需要多次抽卡，因此我们将使用统一的提示词，展示一次性生成的结果，同时因为篇幅所致，文章仅展示部分视频生成结果。

•   基础能力：产品主要的基础功能比较

•   理解能力：主要考察产品对简单和复杂提示词的理解。

•   生成能力：包括视频生成速度和视频画面的稳定性、一致性、准确性与创造性。

以下为具体的实测结果图——

场景一：简单提示词 + 静物定格画面

在该场景下，我们选取了 Sora 发布时的一段提示词：A stop motion animation of a flower growing out of the windowsill of a suburban house.（定格动画，郊区一所房子的窗台上，长出了一朵花）。聚焦在静物场景下，上述产品的理解和生成能力。

综合实测结果，在理解能力上，除了 Vega AI 外，大多数的 AI 视频产品都包含了我们给出的提示词要素：定格动画、郊区、房子和花。

但在视频生成上，效果都不及预期。

首先在视频生成速度上，一段 4～6s 的视频，除了 Vidu 在 40 秒内生成外，大多数的视频生成用时均在一分钟以上，PixVerse V2 用时 2 分钟（5s），可灵用了 5 分钟（5s）、即梦用了 2 分 11 秒（6s），艺映 AI 用了 12 分钟（4s），而智谱清影和 Vega AI 都是我们在花钱加速后，才缩短了生成时间。

其次，在生成能力上，实测结果显示，在稳定性、一致性、准确性和创造性上，国产 AI 视频产品都需要很长的路要走。根据实测结果，在「场景一」下，我们认为即梦、艺映 AI 和 PixVerse V2 的表现更优。

在画面的稳定性和一致性上，即梦的表现最为稳定，对定格动画的理解也更准确。艺映 AI 是几个视频里唯一选择俯视视角的，同时也生成了阳光等新元素，画面相对完整。PixVerse V2 虽然定格动画感不是很强，但画面稳定性、一致性都表现的不错，而且光线和氛围感都十分自然。

但很多 AI 视频都在可控性和准确性上出现了问题。比如，可灵对定格动画的理解明显不够，画面虽然写实、风格也较为统一，但少了一些美感。在湖面的一致性和稳定上，智谱清影的表现都不尽如人意，后续出现了明显的元素扭曲和卡顿。

尽管 Vidu 只用 36 秒就生成了所需视频，但就画面的呈现来看，是最七个产品中画面精细度最不足的，同时从花的运动状态来看，也是唯一一个出现了违背常识现象的。Vega AI 是唯一一个用了「移镜头」的，但对定格动画的理解明显不足。

场景二：复杂提示词 + 人物特写

在稍复杂的提示词场景下，我们选取了人物特写镜头来考验相关产品的相关能力。提示词为：生成一段 24 岁年轻长发女子的特写镜头，她在一家咖啡店里陷入了沉思，思考着自己的未来，因为悲伤，她眼睛里有一滴泪滑下，她后来似乎想到了开心的事，露出了微笑。电影《天使爱美丽》风格，以暖色调为主，画面色彩生动。

从实测结果来看，对于提示词中所包含的相关元素，国产 Sora 们的理解能力都还不错，所生成的画面风格因各自底层模型能力也全然不同。

具体到生成能力上即梦、可灵明显更优，而其他的 AI 视频选手都或多或少出现了问题。

•   即梦：即梦用 2 分 30 秒时间生成了视频，画面氛围感也不错，甚至衍生出人物喝咖啡的情节，画面呈现也较为连贯。

•   可灵：可灵生成上述视频总计时间为 6 分种左右，风格较为写实，表情细节的呈现也超出我们预期。

•   智谱清影：清影依旧是「速度型」选手，1 分钟不到就生成了视频，也是唯一一个展现人物侧面视角的产品，但画面主体的面部明显出现了问题（我们要的是泪水，不是这镶在脸上的水晶）。

•PixVerse V2：用时 1 分 58 秒生成，PixVerse V2 第一帧的表现还是不错的，人物面部的悲伤情绪也很好地表达了出来，但越往后明显画面的一致性和准确性上出现错误，人物发丝甚至出现了透明的状态。

• Vega AI：Vega AI 用时 3 分半，但与我们要求的风格暖色明显不符，同时从人物主体的运动来看，画面上的人物并没有明显变化。

场景三：简单提示词 + 图生视频功能

最后一个场景，我们来试试「图生视频」功能，这也是目前创作者在使用 AI 视频时为保持画面一致性和稳定性的常规操作。可灵不久前因为「甄嬛骑摩托」火爆全网，这次我们不妨就让胖橘（皇上）来吃汉堡。

我们投喂给 AI 视频产品一张图，提示词描述为：皇上吃汉堡。

因为篇幅原因，我们此处不展示所有视频结果，只说结论。首先从「吃汉堡」这个细节来看，做到完全呈现的只有智谱清影和艺映 AI，即梦只有人物咀嚼的动作，PixVerse V2 只出现了一只手，可灵则直接什么也没出现。再者，从画面的生成能力来看，上述视频的生成效果都不太自然，比如可灵出现的手、清影的汉堡都出现了明显的扭曲和畸变。

大厂 VS 创企：不同的姿态，相同的挑战

客观来说，Sora 发布为国产 AI 视频玩家提供了更多的参照体系，在技术、应用以及商业化上方面，都有明显的迭代与升级。

在技术层面，据业内的观点，Sora 的出现验证了 DiT 架构在视频生成方面的可行性，通过使用 Transformer 替换 U-Net 架构，并在潜在空间训练，展现出了更好地训练效率和生成效果。而国内厂商沿着这一技术路线，在包括模型的生成时长、视觉效果上的分辨率、帧率、运镜以及风格上都有明显进步，与 Sora 的差距也在缩短。

在应用层面，目前多数 AI 视频产品已面向 C 端开放，且在使用门槛较低，适用于新手，同时，特别是快手、即梦等产品已应用于短剧创作，在场景的落地速度上比预期要快。

在商业化上，国内热门 AI 视频产品大多都进行了商业化的探索，其中可灵、即梦、Pixverse、Vidu、艺映 AI 等推出了付费会员制，依靠订阅模式解锁相关进阶功能，智谱清影和 Vega AI 则推出视频加速包，按次收费。本质上模式还是沿用两种模式，C 端按照生成量定价，B 端靠出售 API。

部分 AI 视频产品 C 端收费模式 图源：Vega AI、智谱清影

不过，细细拆解此轮 AI 视频的爆发，大厂和创企呈现出两类明显的姿态——大厂激进，创企却较为冷静。特别是「一月三次升级」的快手可灵，更是把大力出奇迹写在了台面上。反观创企，倒是显得格外冷静。以智谱清影为例，在上线后，产品基本功能并未做快速迭代，在商业化上也呈现出谨慎的态度。

而之所以此轮 AI 视频呈现出「大厂引领」的表现，有两点主要原因：一是，视频场景复杂，极为依赖算力和数据资源，而这本身就是抖、快的优势所在。二是，从战略意图来看，抖、快之所以高度重视 AI 视频产品，不仅是为了创收，更多的考虑是争夺用户流量。

而创业者的冷静也在情理之中。「捏 Ta」创始人胡修涵就曾提到，在 AI 视频崛起时，也曾考虑提供视频功能，但考虑到视频效率和成功率的问题，将视频放进产品，实际对用户留存没有太大的用处。" 视频是一个很强的表达模态，但我们的用户还是更愿意去生图。"考虑到实际投入产出比，创企难免会转变态度。

尽管有着不同的姿态，但摆在国产 Sora 面前的挑战都是类似的。

首先，在用户层，「硅基研究室」观察，目前大多数的 AI 视频产品所采取的是「大 C 小 B」的战略。也就是说，现阶段 AI 视频产品主攻的并非是专业级创业者，而是一些能迅速掌握简单功能的入门级用户，包括视频运营、新媒体运营或 KOL 等用户，此类用户往往没有专业工具的包袱，因此产品使用的迁移成本更低。

但这也有明显的阻碍。此类人群既是内容的创作者，也是内容的消费者，愿意尝鲜，容易付费，但也具备不稳定性。一位 AI 产品经理告诉「硅基研究室」，此类便内容工具型产品除了早期要为用户创造「Wow moment」外，依赖对用户需求的快速反馈和内容生态的建立。

其次，在商业化层面，目前就生成成本来看，从目前 Sora 尚未全量开放来看，视频模型 / 产品依旧面临着成本关。智谱 AI CEO 就曾说过，清影目前也只是一个阶段性产品，清影更多也还是通过 API 付费，他们在思考的是：" 怎么把视频生成算力成本降下来、响应速度提升上去、让所有人可以用。"

快手可灵创作者群讨论体验问题 图源：可灵社群截图

可以肯定的是，现阶段，无论是技术、用户，抑或是商业化上，国产 AI 视频产品还远没到开香槟的时刻，各家厂商都还在探索，对齐模型能力与产品，做持续的优化。视频本身是一个强模态，未来内容平台的跨模态也成为行业共识，但在产品早期，不如先尊重产品常识——如何优化用户体验，围绕视频工作流的某一个场景做深做专，实现真正降本增效，这或许是无数的技术变化中，提高 AI 视频渗透率的一个不变铁律。

参考资料：东吴证券：《国产 AI 视频大模型应用落地先行，行业空间、降本幅度、竞争格局探讨》