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。

　　由于 Sora 采用邀请制免费使用，在国内，闲鱼上已经出现 29.9 元买邀请码的生意，不过单价 6.88 元的邀请码更受欢迎，界面显示已经有近 50 人想要。

　　用户在使用 Sora2 之前都需要准备一个邀请码，邀请码注册后，可以再裂变出 4 个邀请码，再分享给朋友。而邀请码一旦被使用，就会自动关注邀请对象，由此逐渐形成好友网络。从这点来看，Sora 从一开始就植入了强社交基因。

　　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。

　　在拿到邀请码后，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。

（第一财经）