实测 Sora！比拼可灵、Runway，谁最没有 AI 味
鸽了一年，Sora 千呼万唤始出来，但 OpenAI 是让网友来历劫的。
说好的正式开放使用，蹲点直播且手速够快的幸运儿，才能抢先进入体验。等了一天，反复刷新，一次次面对「请稍后回来查看」的提醒，终于注册成功。
然而，让我和 ChatGPT 从诗词歌赋聊到人生哲学的 20 美元，只够让 Sora 在一个月内生成 40 个 5 秒的 480p 视频。每一次点击生成，都如履薄冰。
好不容易用上了，我们自然要把每一个 Sora 的视频用在刀刃上，拿它和 Runway、可灵比一比。结论是，能用，好玩，但很难硬夸。
Sora、Runway、可灵，失败得各有各的笑点
让 Sora 和 Runway、可灵比赛，自然是有理由的，一个是出道早、海外最有代表性的 AI 视频产品，一个是异军突起、以实力征服全世界网友的国内顶尖选手。
规则非常简单，用相同的英文提示词（为了方便阅读，下面都翻译为中文），生成的时长都是 5 秒。唯一的区别是，Sora 的分辨率都设置成了 480p。没办法，积分得省着用。
先用文生视频，比比画面的写实和质感，看看 AI 视频们生成的猫怎么样。
Sora 虽然只有 480p，但画面看起来是高清的，调色也很漂亮。
▲Sora 生成，提示词：200mm 长焦镜头捕捉阳台上的英短猫，其毛发细节鲜明。前景的大盆栽轻微虚化，背景中树叶随风摇曳。画面具有电影胶片的颗粒感和色彩饱和度，高清画质
Runway 和可灵的表现差不多，可灵的前景、背景生成得最准确。三只猫，三种花色。
▲Runway 生成
▲可灵生成
接下来，让 AI 视频们「写字」，看看能不能写出「APPSO」。
Sora 的手部动作还算自然，但写出来的线条像吃了菌子，有自己的想法。
▲Sora 生成，提示词：俯视角度拍摄手在白色素描纸上书写「APPSO」，黑色笔画，流畅的书写动作，自然的手部移动，柔和打光，特写镜头
Runway 对得最多，但也没完全对，而且，除了最后那一笔，字母轨迹和手部动作没有默契配合，各管各的。
▲Runway 生成
至于可灵，写出一串乱码，但很难得，字母轨迹是跟着手部动作走的。
▲可灵生成
然后再来考考运动的流畅程度，同一场自行车比赛，Sora 的镜头和运动轨迹完全遵循了提示词，影子看起来也很真实。
▲Sora 生成，提示词：山地自行车手快速冲过连续起伏的泥土赛道，从最后一个跳台腾空而起，侧面镜头捕捉他在最高点的瞬间
Runway 的提示词只对了一半，自行车手没在开头出场，最后给了一个高光镜头。
▲Runway 生成
可灵和 Runway 恰好反过来，前半段表现得不错，但收尾出状况了，怎么多出来一个人？
▲可灵生成
该上难度了，拿出相对复杂的、自带镜头切换的提示词。
Sora 的画面色彩饱和，像调了色，但是男性好像是凭空出现的，AI 也没有按照要求，把镜头转向男性。
▲Sora 生成，提示词：阳光明媚的下午，星巴克风格的咖啡馆内，镜头首先对准一位面带微笑的年轻中国女性，随后转向一位说话时轻轻点头的年轻中国男性。他们相对而坐，木桌上放着两杯咖啡。自然光充满空间，营造温暖氛围
Runway 直接就从侧面拍，还原了两个人的神态，但没有体现镜头的运动，男性的手部也出了问题。
▲Runway 生成
可灵和 Runway 差不多，但略胜一筹，因为更像中国人，然而，这两个人同坐一桌，却谁也没看谁。
▲可灵生成
除了文生视频，图生视频也是视频生成的重头戏，而且相比文生视频，图生视频更实用，很多商业化交付的 AI 片子，基本都是图生视频，先在图片阶段尽量做到一致性。
然而，如果只是 20 美元的 Plus 用户，是不能在 Sora 上传包含人物的照片或者视频的。退而求其次，我们上传一张巫师猫的表情包，让猫猫挥舞手中的魔法棒，变出玫瑰花。
不知道为什么，Sora 的图生视频不起作用，猫压根没动，从右下角的 logo 才看出，这是非静止画面。
▲Sora 生成，提示词：猫猫挥动手中的魔法棒，变出了一朵红玫瑰
Runway 让猫猫右爪挥舞魔法棒，左爪变出玫瑰花，也算符合提示词的要求，但这个花不在一个图层啊。
▲Runway 生成
可灵的表现非常完美，效果最自然，做成 gif 就是又一张表情包。
▲可灵生成
试了动物，再试试空镜，我将之前用 AI 生成的一张工业废土风格图片，作为图生视频的材料。
Sora 生成的结果很难评价，视角是够低的，但镜头不是从侧面跟踪，画面切换也突兀。这就叫，我不该在车里，而是在车底。
▲Sora 生成，提示词：装甲车开过，轮胎扬起尘土碎屑，侧面跟踪镜头，低角度视角，慢动作，电影级质感
Runway 生成的最有内味，甚至车窗也跟着动起来了。
▲Runway 生成
可灵直接把镜头拉远了，和提示词基本没什么关系。
▲可灵生成
就那么几道题，三个 AI 没有一个是可以打满分的。当然，以上通通都是个例，不具有普遍的代表性，充其量只能提供一个测评的角度。
单论 Sora 的话，它在文生视频的写实风格上表现得不错，具有电影质感，物体运动对于提示词的遵循也还行，有时甚至比可灵和 Runway 表现得好。
但图生视频容易抓瞎，可能静止不动，可能不听镜头运动，整体性价比不算高。
▲Sora 生成，提示词：90 年代在上海拍摄的 35 毫米胶片短片，电影质感
「丐版」的模型，创新的产品
Sora 表现一般，可能因为，它是个「丐版」——和受 OpenAI 邀请的艺术家们不同，现在我们能用的是 turbo 版本，需要的算力更少，效果也就打了折扣。
模型不够，产品来凑，Sora 有一点让人服气——2 月官宣，12 月才发布，中间冒出很多竞品，但 Sora 仍然具备它们没有的功能。
不像 ChatGPT 一个对话框走天下，Sora 在交互界面和产品功能的设计上别出心裁。
其中，Sora 的故事板功能，类似首尾帧，但更灵活，我们可以在时间轴上添加多张卡片，卡片里可以是提示词，也可以是图片和视频，Sora 在卡片之间生成完整的视频。
于是，我写了两段提示词，1.日剧风格镜头，女高中生靠在天台栏杆旁，侧脸构图，温柔的午后光线打在脸上；2.她转头面向镜头露出微笑，温暖的打光突出表情。
生成的效果，很符合我的想象，发丝的飘动让人该死的心动。
▲ Sora 生成
AI 还做不到让人人都能当导演，但 Sora 让你体验一把设计分镜的感觉。不过，还是那句话，模型就这样，效果的好坏，非常随机，但 Sora 的积分，经不起抽卡。
我本想让 AI 模仿游戏 CG 的效果，主角迅速转身并拔枪，但最终，得到了一个表情呆滞的机器人。
▲Sora 生成
只在故事板放上一张图也可以，这样 Sora 会自动生成提示词，建议你这张图片怎么动。
于是，巫师猫终于可以动起来了。原来，图生视频的短板，是要在这里弥补啊。然而，效果也很难绷，有时候会生成一些多余的东西。
▲Sora 生成
另外，Sora 的 Remix（重绘）功能也很好玩，我们可以用自然语言编辑视频，改变视频中的元素，进行「二创」。
既可以用自己的视频，也可以在 Sora 的社区里借用他人的视频。
▲ 图片来自：Sora 社区@bpyser1
比如，我们可以把跳舞的真·纸片人换成男团，同时，把场景换成练习室。
纸人的动作和服饰都大致保留了，但人物的四肢还是不能细看。
▲Sora 生成
更好玩的来了，我们可以接着用 Blend（混合）功能，将两个视频合并成一个，Sora 会自动处理视频之间的过渡效果。
原来以为，可以出来一个丝滑的 MV 片段，毕竟这两个视频都这么相似了，但 AI 还是给了我惊喜，开头和结尾都很正常，中间的场面一度很混乱，你们到底几个人啊？
▲Sora 生成
总之，不追求出片率的话，Sora 很好玩，产品形态也很有意思，提供了一个全新的工作流，创新是有的，功能也是比较完整的。
但是，仅从目前来看，生成效果的进步空间较大，但给用户的探索次数又不足，20 美元只能浅尝辄止。有时候画面很漂亮，但运动处理得不好，也是白搭，「现实不存在了」还是一个遥远的梦想。
请欣赏，猫猫穿墙而过，原来在 AI 眼里，猫真的是液体。
▲Sora 生成，提示词：电影感十足的黑猫特写镜头，猫咪在故宫红色宫墙前优雅地跃起，画面以慢动作呈现，猫咪全身清晰可见，背景利用浅景深虚化处理，在跳跃最高点时金色的眼睛直视镜头。采用柔和的自然光线，传统的中式建筑墙面细节形成模糊的背景
Sora 的问题，其实也是很多 AI 视频产品的通病，没有真正靠谱的一刀流。模拟真实的世界？实现丝滑的运动？保持人物的一致？可以是可以，但有概率，抽卡和后期必不可少。
现在我们看的是肉眼可见的生成效果，而 AI 视频们集体改变的，是创作的方式。未来虽然可期，但是，Sora 请先把模型升级了吧。
