文 | 定焦One 陳丹
編輯 | 魏佳
Sora2的發(fā)布，再次攪動了全球人工智能行業(yè)的神經(jīng)。
9月30日，OpenAI正式推出其視頻生成模型的重大升級版本——Sora2，以及基于該模型的社交應(yīng)用Sora App。與前一代相比，Sora2在物理模擬的精確度、畫面逼真度和生成可控性上顯著提升，并實(shí)現(xiàn)了音頻與人物對話的同步生成。這不僅讓AI視頻更“像真的”，也讓視頻生產(chǎn)“像寫字”一樣簡單。
短短五天，Sora App下載量便突破百萬次；應(yīng)用分析機(jī)構(gòu)App Figures數(shù)據(jù)顯示，其首周iOS下載量達(dá)62.7萬次，高于ChatGPT首周的60.6萬次。盡管Sora App仍處“僅限邀請”階段，但它的下載量增速超過了當(dāng)年的ChatGPT。有觀點(diǎn)稱其為AI版的“TikTok”，被寄望成為下一個(gè)全球現(xiàn)象級應(yīng)用。
在國內(nèi)，Sora2同樣掀起熱潮。國慶期間，OpenAI CEO薩姆·奧特曼成為社交媒體上流量擔(dān)當(dāng)。他開放了個(gè)人肖像權(quán)，點(diǎn)燃了網(wǎng)友們的創(chuàng)作熱情，其數(shù)字分身從商店偷GPU被抓包、與李小龍對打。這些病毒式傳播的短視頻，也加速了Sora2的出圈。
除了用戶端，Sora2的發(fā)布也讓行業(yè)按下了加速鍵。大廠加速產(chǎn)品迭代，10月15日，百度宣布旗下視頻生成模型百度蒸汽機(jī)再次升級，支持AI長視頻實(shí)時(shí)交互生成；次日，谷歌發(fā)布視頻模型Veo3.1與Veo3.1Fast，主打更豐富的音頻、更強(qiáng)的敘事控制和真實(shí)感。與此同時(shí)，創(chuàng)業(yè)團(tuán)隊(duì)也在全力沖刺。多位AI視頻的創(chuàng)業(yè)者向「定焦One」透露，他們最近一直在加班，兩位創(chuàng)業(yè)者甚至只有在深夜才有時(shí)間接通電話。
如今，公眾熱度已趨平穩(wěn)，但在AI行業(yè)內(nèi)部，一場靜悄悄的技術(shù)競賽，正在全速展開。
追趕Sora2的人
仿佛一聲發(fā)令槍，Sora2讓AI視頻領(lǐng)域進(jìn)入“超級加速”階段。
國慶假期剛過，社交媒體上便傳出消息：快手AI團(tuán)隊(duì)假期8天無休，全力追趕Sora2的技術(shù)進(jìn)度。
主攻AIGC創(chuàng)作的紀(jì)錄片、廣告片導(dǎo)演丁一向「定焦One」透露，據(jù)他了解到的情況，幾乎所有國內(nèi)AI視頻創(chuàng)業(yè)團(tuán)隊(duì)都已進(jìn)入“全員加班”狀態(tài)。他預(yù)測，不出兩個(gè)月，國產(chǎn)版Sora2類產(chǎn)品可能就會出現(xiàn)，“所有的大廠、模型廠商都卷起來了”。
好耶科技創(chuàng)始人吳杰茜也證實(shí)了這種緊迫氛圍，其團(tuán)隊(duì)同樣連軸工作，對Sora2進(jìn)行測試、拆解。她的創(chuàng)業(yè)項(xiàng)目FilmAction是一個(gè)AI電影生成平臺，與Sora2在功能上有不少重疊。Sora2的橫空出世，讓她既興奮又有壓力——興奮于技術(shù)的天花板被再次抬高，焦慮于行業(yè)的迭代速度超出了所有人的想象。
Sora2發(fā)布僅半個(gè)月后，谷歌于10月16日推出Veo3.1與Veo3.1Fast，被普遍解讀為正面迎戰(zhàn)OpenAI的舉措。
同一天，OpenAI也宣布Sora2兩項(xiàng)升級：Pro用戶現(xiàn)可通過網(wǎng)頁端使用“故事板”功能，同時(shí)全平臺視頻生成時(shí)長獲得提升。普通用戶可在App及網(wǎng)頁生成15秒視頻，Pro用戶網(wǎng)頁端更支持生成25秒內(nèi)容，較此前標(biāo)準(zhǔn)版10秒、Pro版15秒的設(shè)定顯著延長。
“這像極了ChatGPT剛出現(xiàn)時(shí)的那一刻，”吳杰茜說，“所有人都在拼命追趕。”
綜合多位從業(yè)者的說法，Sora2的震撼來自于三個(gè)層面的技術(shù)突破：
首先，是物理世界的擬真突破。Sora2能精準(zhǔn)模擬水流、光影、重力與碰撞效果，甚至處理浮力與重心轉(zhuǎn)移等復(fù)雜物理場景，極大提升了人物動作的連貫性與主體穩(wěn)定性。
其次，是多模態(tài)融合。Sora2可直接生成同步音頻，自動匹配環(huán)境聲、動作音效與多語言對白。在此之前，只有少數(shù)幾個(gè)軟件有此功能，但音質(zhì)差不說，人物的語音和口型往往也不匹配。丁一團(tuán)隊(duì)還試著用不同的方言對Sora2進(jìn)行測試，口音自然，口型精準(zhǔn)，足見其技術(shù)成熟度。
Sora2真正的顛覆，并非僅是生成視頻的“以假亂真”，而在于它理解了“鏡頭語言”。
吳杰茜的測試印證了這一點(diǎn)：她將小說或劇本原文直接輸入Sora2，生成的視頻不僅畫面與文本高度契合，其鏡頭運(yùn)用、節(jié)奏把控等視聽語言，更是達(dá)到了專業(yè)創(chuàng)作者的水準(zhǔn)。
要知道，在Sora2出現(xiàn)之前，AI視頻創(chuàng)作始終受制于“鏡頭思維缺失”。過去，創(chuàng)作者需先手動拆解劇本，反復(fù)琢磨鏡頭銜接邏輯、人物視角選擇、場景轉(zhuǎn)換方式，耗費(fèi)大量時(shí)間。市面上多數(shù)AI工具也只能生成單個(gè)簡單鏡頭，若想串聯(lián)成連續(xù)敘事，還需用戶具備專業(yè)的視聽語言知識與分鏡設(shè)計(jì)能力，門檻并不低。
Sora2打破了這一局限：用戶只需一句話的文本指令，它便能自動生成包含多鏡頭切換、劇情連貫推進(jìn)的完整視頻。換句話說，Sora2不再是單純的“畫面生成工具”，而是初步具備了導(dǎo)演的敘事邏輯與剪輯師的鏡頭調(diào)度能力。
“如果把Sora2比作一位剪輯師，那么他的能力已經(jīng)超越了市場上95%的人?！痹诙∫豢磥恚渌鸄I視頻軟件目前還只是輔助工具，但Sora2一定程度上已經(jīng)具備“智能體”的雛形。
創(chuàng)作門檻坍塌：AI正在重寫“專業(yè)”
但技術(shù)狂奔的另一面，是行業(yè)秩序的松動。當(dāng)AI視頻進(jìn)入“后Sora時(shí)代”，最先感到震動的，往往是那些曾依靠專業(yè)壁壘生存的人。
“既興奮又焦慮?！倍∫蝗绱丝偨Y(jié)Sora2發(fā)布二十天來的心情。
他的團(tuán)隊(duì)是首批測試用戶，結(jié)果Sora2幾乎立刻改變了他們的工作方式。在現(xiàn)在丁一團(tuán)隊(duì)的工作流程中，Sora2已經(jīng)深度嵌入，承擔(dān)了很多前期的籌備工作，比如說分鏡頭的設(shè)計(jì)。注冊四五個(gè)賬號，可以快速的生成大量方案，并從中抽取最滿意者。效率比人工快太多，而且質(zhì)量也不差，包括視頻概念、氣氛、鏡頭運(yùn)動方式這些因素都在其中。
Sora2一句話便能生成15秒成片，這意味著他們團(tuán)隊(duì)平時(shí)接的一些便宜的商單，基本上沒有了技術(shù)門檻。他告訴「定焦One」，目前Youtube上的一些小推流廣告，已經(jīng)在使用Sora2生成。
另一位創(chuàng)作者等登等噔（以下簡稱“等登”）也受到了震動。
在最新的一支短片中，他用Sora2完成幾個(gè)分鏡頭的構(gòu)思：先上傳參考圖片，再用文字描述故事背景與情節(jié)，Sora2便能自動生成包含3-4個(gè)分鏡頭的視頻，完整呈現(xiàn)劇情。而且據(jù)他測算，平均操作3次就能得到符合預(yù)期的版本，“抽卡率”遠(yuǎn)高于其他軟件。
技術(shù)進(jìn)步帶來的創(chuàng)作便捷性讓他感嘆不已，但興奮過后，等登心中也有一絲不安：分鏡設(shè)計(jì)曾是專業(yè)創(chuàng)作者與普通用戶的分水嶺，但Sora2正在抹平這個(gè)門檻。
等登告訴「定焦One」，在Sora2出現(xiàn)之前，還沒有哪個(gè)軟件是支持分鏡頭自動生成，部分軟件可以做到一些簡單的分鏡頭，但還是需要使用者明確的提示詞，比如第一個(gè)鏡頭是什么、第二個(gè)鏡頭是什么，然后它會在十秒內(nèi)給出一個(gè)分鏡頭的組合。
Sora2可以直接生成一個(gè)動態(tài)視頻。比如有網(wǎng)友將歸有光的《項(xiàng)脊軒志》最后一句輸給Sora2，生成的視頻第一個(gè)鏡頭是歸有光和枇杷樹的特寫，第二個(gè)鏡頭是歸有光與妻子種植枇杷樹的回憶，回憶鏡頭與歸有光睹樹思人的鏡頭來回切換。在這個(gè)視頻里機(jī)位、角度以及鏡頭的切換AI都已經(jīng)設(shè)計(jì)好了。
在AI時(shí)代，由于技術(shù)進(jìn)步，帶來的專業(yè)壁壘的消解，可能是很多人都需要面對的課題。
AI導(dǎo)演、AI分鏡師等新職業(yè)原本是AIGC帶來的新紅利，但隨著Sora2具備“理解劇本”的能力，這些崗位或許也會被再次淘汰。
丁一對此感觸尤深。
他入行時(shí)也是一名分鏡師，后來進(jìn)入導(dǎo)演組、成為執(zhí)行導(dǎo)演，最終一步步做到導(dǎo)演。過去只要精通一項(xiàng)工具——哪怕是Photoshop，就能找到工作。而現(xiàn)在，純技術(shù)崗位的空間越來越小。今年早些時(shí)候，他拍的一個(gè)實(shí)驗(yàn)性質(zhì)短片試圖找過一些分鏡師，但最后只能不了了之，因?yàn)椤靶侍?、溝通成本也很高”?/p>
焦慮之后，他也開始調(diào)整心態(tài)。最起碼從現(xiàn)階段來看，AI生成的內(nèi)容最終成果還是需要人的把關(guān)，個(gè)人的經(jīng)驗(yàn)、審美、判斷都會對最終的結(jié)果產(chǎn)生影響。丁一相信，未來人類的工具就是交互式的AI，就像現(xiàn)在的筆和鍵盤一樣，但最終比拼的仍舊是內(nèi)容和創(chuàng)意。
英偉達(dá)CEO黃仁勛曾對媒體說：“如果世界沒有新的創(chuàng)意，AI的生產(chǎn)力提升終將轉(zhuǎn)化為失業(yè)?！痹赟ora2帶來的劇烈震蕩中，這句話顯得格外應(yīng)景。
從“技術(shù)奇觀”到現(xiàn)實(shí)考題
在AI應(yīng)用層出不窮的時(shí)代，爆紅與冷卻往往只隔幾天。很多人也在觀望，Sora2是否只是“曇花一現(xiàn)”。
從熱度來看，Sora2的確已經(jīng)降溫。
微信指數(shù)和百度指數(shù)顯示，Sora2在國內(nèi)熱度高峰僅維持?jǐn)?shù)日后迅速回落。等登認(rèn)為，一方面國內(nèi)用戶無法直接訪問Sora2，另一方面清晰度與水印限制也讓創(chuàng)作者難以商用，從而削弱了話題度。
吳杰茜則指出，作為新聞事件，它注定會降溫；但作為新的創(chuàng)作工具，它的普及才剛開始。
從前景上看，東莞證券的研報(bào)也佐證了這一觀點(diǎn)，認(rèn)為Sora2及其配套社交應(yīng)用的發(fā)布，標(biāo)志著AI視頻生成與社交互動進(jìn)入融合階段，“有望重塑內(nèi)容創(chuàng)作和分發(fā)生態(tài)，或迎來AI視頻生成的ChatGPT時(shí)刻?！?/p>
回顧語言模型的發(fā)展史，ChatGPT的出現(xiàn)是AI從實(shí)驗(yàn)室走向大眾的決定性轉(zhuǎn)折點(diǎn)。從這個(gè)意義上講，Sora2也標(biāo)志著視頻生成領(lǐng)域的一個(gè)關(guān)鍵拐點(diǎn)——即從技術(shù)嘗鮮邁向普遍應(yīng)用。
但類似Sora2這樣的產(chǎn)品要想成為全民表達(dá)的工具，需要克服的不僅僅是技術(shù)難題。
首先是版權(quán)的迷霧。Sora2初期采取的“選擇退出(Opt-out)”機(jī)制，默認(rèn)可以使用互聯(lián)網(wǎng)公開內(nèi)容訓(xùn)練模型，將維權(quán)舉證責(zé)任推給版權(quán)方。這種做法迅速招致了好萊塢經(jīng)紀(jì)公司、美國電影協(xié)會乃至日本政府的強(qiáng)烈抵制和法律威脅。
面對集體施壓，OpenAI迅速調(diào)整了策略，奧特曼宣布放棄Opt-out，轉(zhuǎn)而采用更審慎的“主動同意(Opt-in)”模式，即需版權(quán)方簽署明確授權(quán)協(xié)議才能使用其IP。奧特曼還建議引入IP分成收益機(jī)制，與授權(quán)方共享平臺收入。
有律師認(rèn)為，OpenAI的這一機(jī)制將矛盾從法律博弈轉(zhuǎn)向商業(yè)合作。盡管仍有局限，但它預(yù)示AI行業(yè)正邁向付費(fèi)許可與生態(tài)共建的新階段。一位好萊塢制片人的評論頗具代表性：“未來的影視公司，其運(yùn)營模式可能更趨近于版權(quán)管理機(jī)構(gòu)，而非傳統(tǒng)的內(nèi)容制造者——這一趨勢幾乎無可避免。”
其次是變現(xiàn)模式的拷問。目前Sora2的主要使用場景仍以娛樂為主，如生成趣味視頻或表情包。這類低價(jià)值、高頻交互難以支撐龐大的模型訓(xùn)練與運(yùn)維成本。未來，專業(yè)用戶或高質(zhì)量內(nèi)容創(chuàng)作者的“付費(fèi)模式”或?qū)⒊蔀橹髁?。如何在廣告變現(xiàn)與用戶體驗(yàn)之間取得平衡，仍是所有AI視頻廠商的共同考題。
這些現(xiàn)實(shí)的疑問和戰(zhàn)略調(diào)整，勾勒出AI視頻行業(yè)從“野蠻生長”轉(zhuǎn)向“理性發(fā)展”的軌跡。
用丁一的話說，隨著Sora2的出現(xiàn)，全球AI視頻賽道正邁向更高維的競爭階段。各家模型廠商“卷”得更深，訓(xùn)練數(shù)據(jù)涵蓋影視、動漫、廣告、紀(jì)錄片等多種素材，“AI正在學(xué)習(xí)全人類的影像史”，而當(dāng)技術(shù)卷到極致，拼的將不再是算法，而是創(chuàng)意與落地能力?！?/p>
Sora2發(fā)布二十天后，世界或許并未立刻改變。但在每個(gè)AI視頻創(chuàng)作者的電腦上，故事的生成方式，已經(jīng)悄然不同。