记者实测Sora2 AI视频的GPT-3.5时刻真的来了吗？

这个国庆，OpenAI CEO奥尔特曼（Sam Altman）被网友“玩儿坏了”，在各类AI生成视频里，他坐在东北大炕上吃饭，出现在阿里和字节员工在会议室说着“互联网黑话”，甚至成为街头的外卖骑手。

这一切，都源于10月1日OpenAI正式推出的新一代视频生成模型：Sora 2，一同上线的还有AI视频社交App “Sora”，目前用户通过邀请码可以免费下载使用，能一次生成10s的AI视频，奥尔特曼本人成了这场全民AI创作中出场率最高的“演员”。

第一财经记者实测Sora2发现，相比去年发布的初代Sora，Sora2在物理逻辑、画面一致性、真实感上都有显著提升，一张照片加一句提示词，AI就能创作出有剧情、有文案的短片。

但“现实不存在了”吗？从测试来看，Sora2尚未完全跨越“真实”这道门槛。

至顶科技总编辑、PEC联合发起人高飞对记者表示，Sora2比起上一代Sora是一个大版本更新，在很多场景都达到了以假乱真的程度，不过，相比其他AI产品Sora2的技术并没有代差领先，更值得关注的是其产品玩法，在打造互联网产品方面，他认为OpenAI暂时领先于其他公司。

OpenAI在官方博客中宣称，Sora2是“迈向GPT-3.5时刻的一步”。但AIGC创作领域的KOL@尾鳍Vicky认为，对于创作者来说，可能这一时刻还没到来，毕竟产品还是无法彻底解决一致性和物理问题。但对于大多数普通受众来说，玩AI视频可能真的变成了一件很接近、且很有趣的事情。

实测Sora 2：优缺点同样突出

毫无疑问，过去两天，OpenAI做了一场成功的产品发布营销，截至发稿，在美区iOS的免费应用排行榜上，Sora APP已经空降第三位，仅次于谷歌的Gemini和OpenAI自家的ChatGPT。

有人将Sora称之为“AI版抖音”，应用主页是垂直视频流，用户可以上下滑动浏览不同用户发布的视频，但应用上所有的内容都是AI生成的。在生成视频时，用户可以选择上传图片并结合文字提示，也可以用“Cameo”（客串）功能，基于自己或朋友形象进行提示词生成。

Sora2是Sora APP的技术底座，OpenAI在博客中表示，Sora2可以完成之前的视频生成模型难以完成的事情。它比之前的系统在物理上更加精准、逼真，并且在可控性方面有了巨大的飞跃，此外，它还配备了同步音频。

第一财经记者测试了基于Sora视频生成的效果，确实相比初代有了大幅提升，其输出的结果已经基本能满足C端用户娱乐的需求，较为亮眼的地方在于，AI在镜头语言上很丰富，对话有想象力，音频输出方面口型与发音一致。但目前一个10s的视频需等待数分钟才能生成，速度并不快，且分辨率不高。

以奥尔特曼为主角，记者给AI的提示词是：@sama在工作敲代码，一只银渐层走过来生气地关掉了电脑主机电源，他们开始吵架。

在这个视频中，Sora精准特写了猫爪关电源的画面，伴随准确的关机音效，也展现了奥尔特曼吵架时生气的表情和姿态，细节和环境都很真实。在发音时，人物的口型也能对得上。

值得一提的是，Sora还会补充给角色“加戏”，在提示词中记者只提到了“开始吵架”，但AI视频对话中，猫咪会抱怨“你一下午都没陪我，而且风扇像拖拉机一样”，主角则回复“先开回来，咱俩再谈”。 情节补充自然，配合场景非常真实。

但这一产品也并非毫无瑕疵，例如，录入人脸输出的视频并不完全像本人，有用户反馈是“似像非像”的效果，同时，Sora在事实逻辑上仍有错误，在一个用灭火器的场景中，灭火器喷雾的出口并不准确。

中文支持更是“重灾区”。例如，有用户让奥尔特曼成为外卖员，其外卖服上出现了凭空生造的文字。

@尾鳍Vicky认为，Sora优点很明显，用户数字人的物理效果和唇形驱动效果很好，且在APP的使用交互上下了一些功夫，例如从注册就让用户在"验证"的过程中完成素材内容的录制，且是很短的音频和视频，就能输出不错的效果。此前这样图生、文生视频路径已经出来很久，但效果应用都没有Sora这么自然、对用户如此友好。

但另一方面，Sora缺点同样突出。@尾鳍Vicky提到，虽然相比初代Sora2的物理理解问题已经更好了，但涉及到多元素的物体交互时，还是会出现手脚和脸糊等丢失细节，动作不符合物理逻辑等问题。从这个维度上来说，Sora2在模型能力的提升上并没有迈到可以真正解决技术问题的那一步。

GPT-3.5时刻到了吗

在官方博客中，OpenAI将2024年2月的初代 Sora比作“视频的GPT-1时刻”，而 Sora2则被定义为“可能直接跳到了GPT-3.5的时刻”。

博客中解释认为，之前的视频模型会变形物体和变形现实，但Sora 2可以做一些对于之前的视频生成模型来说非常困难的事情，如奥林匹克体操动作，在桨板上的后空翻，精确地模拟浮力和刚性的动态。模型在可控性方面也有了很大的飞跃，能够创建复杂的背景音、语音和具有高度真实感的声音效果。

但问题是，AI视频的“GPT-3.5时刻”真的来了吗？@尾鳍Vicky认为，至少对于创作者来说还没有，因为Sora 2还是无法彻底解决一致性和物理问题。但对普通用户来说，AI视频的门槛已大幅降低，用户玩AI视频真的变成了一件很简单且很有趣的事。

高飞认为，Sora2相比其他AI产品Sora2的技术并没有代差领先，例如谷歌有Veo3，也有Nano banana以及世界模型Genie3，在多模态方面相当强悍。而国内的可灵、即梦也能与之一战。

今年5月，Veo3推出时也曾在社交网络火出圈，一些人物视频极具真实感，被认为是AI视频领域领先的水准。但彼时行业人士仍然认为，现阶段的AI视频对实际生产帮助仍然不算太大，并未来到真正的GPT时刻。

相较于模型技术，高飞认为Sora2更值得关注的是产品玩法。OpenAI将它打造成了一个更类似于短视频的消费者App，其主要机制是要求用户上传自己的脸部数据和声音信息做AI二创。“这样一方面很容易拿到了最为宝贵的消费者面部数据，其次用户基于自己的人脸创造的视频，配合邀请码机制，也很容易吸引亲朋好友链式传播。”

因此，高飞的观察是，“OpenAI可能在模型不一定是最强，但是在打造互联网产品方面，领先于其他所有公司。”这次Sora2不追求画质和时长，也是典型的互联网打法，先完成再完美，后续再迭代。

@尾鳍Vicky也认为，Sora2这次的发布更侧重APP的交互设计，并不仅是模型本身的更新。“Sora2目前的定位，似乎并不是以专业的AI视频创作为导向，而是更专注于如何用AI视频来完成用户社交，做寻找应用场景的新尝试。”

从海外市场来看，对于Sora2和Sora应用的发布则褒贬不一。有用户认为技术惊艳、创造力会大爆发，也有人认为这些无聊的视频毫无意义，与宏大的AGI愿景、人类福祉相悖。

有用户发帖讽刺称，2周前，奥尔特曼说“我们需要7万亿美元和10吉瓦来治愈癌症”，他现在表示“我们正在推出以个性化广告形式营销的 AI垃圾视频”。

奥尔特曼转发了这一帖子，并回复称需要资金来继续研究AI，并且几乎所有的研究精力仍然集中在通用人工智能上。 “向人们展示很酷的新技术或者产品，让他们开心，并借此来赚取一些钱，这也是一件好事。”奥尔特曼称，当谈到公司的最佳发展轨迹时，现实情况是微妙的。

“重要的是让人类从这些模型的开发中受益。我们认为Sora会给世界带来很多欢乐、创造力和联系。”OpenAI在博客中写道。未来，随着视频模型持续进化，通用世界模拟器与机器人Agent将重塑社会，无论如何，Sora 2朝这一目标迈出了重要的一步。