近日，AI（人工智能）新銳巨頭OpenAI推出文生視頻模型Sora，將人們的視線再次引到了AI視頻生成賽道。

由于在AI生成視頻的時(shí)長上成功突破到一分鐘，再加上演示視頻的高度逼真和高質(zhì)量，Sora立刻引起了轟動(dòng)。不過，OpenAI尚未宣布Sora對(duì)公眾正式開放的日期。Sora將首先被提供給安全團(tuán)隊(duì)，以評(píng)估產(chǎn)品的危害或風(fēng)險(xiǎn)，一些視覺藝術(shù)家、設(shè)計(jì)師和電影制作人也能獲得Sora的訪問權(quán)限。

在Sora推出之前，已經(jīng)出現(xiàn)了一些用戶認(rèn)可度較高的AI生成視頻模型。為什么Sora能引發(fā)如此大的轟動(dòng)？多家外媒對(duì)三款熱門文生視頻模型Runway、Pika Labs和Stable Video進(jìn)行了分析，并比較了Sora和它們之間的技術(shù)差別。

時(shí)長：60秒 vs 16秒

在Sora橫空出世之前，Runway一直被視為AI生成視頻的默認(rèn)選擇，尤其是自去年11月推出第二代模型以來，Runway還被稱為“AI視頻界的MidJourney”。第二代模型Gen-2不僅解決了第一代AI生成視頻中每幀之間連貫性過低的問題，在從圖像生成視頻的過程中也能給出很好的結(jié)果。

Runway能夠生成已經(jīng)很逼真的四秒短視頻。來源：Runway

而在Sora發(fā)布后，Runway的CEO克里斯托瓦爾·巴倫蘇埃拉（Cristóbal Valenzuela）便在X平臺(tái)上發(fā)布了兩個(gè)字：“Game On（比賽開始了）。”

Sora最震撼的技術(shù)突破之一在于其輸出的視頻時(shí)長。Runway能夠生成4秒長的視頻，用戶可以將其最多延長至16秒，是AI生成視頻在2023年所能達(dá)到的最長時(shí)長紀(jì)錄。Stable Video也提供4秒的視頻，Pika則提供3秒的視頻。在這一方面，Sora以1分鐘的時(shí)長向競爭對(duì)手們提出了挑戰(zhàn)。

Sora傳播度最高的時(shí)長60秒的視頻之一，女子行走在東京街頭。來源：Sora

Sora模型能夠?qū)崿F(xiàn)視頻時(shí)長突破，主要功臣是其所采用的擴(kuò)散Transformer架構(gòu)，而Sora的創(chuàng)始者之一、現(xiàn)任OpenAI工程師的William Peebles剛在去年和別人一同發(fā)布了針對(duì)該架構(gòu)的研究論文。

本質(zhì)上，Sora和Pika、Runway采用了相似的底層模型，即Diffusion擴(kuò)散模型。不同之處在于，Sora把其中的實(shí)現(xiàn)邏輯進(jìn)行了變化，將U-Net架構(gòu)替換成了Transformer架構(gòu)。

不過目前，外界尚不清楚Sora提供了哪些功能以供用戶定制輸出視頻，因此Runway仍可能是Sora的替代方案之一。今年1月，Runway剛宣布，用戶將能夠通過多頭運(yùn)動(dòng)筆刷（Multi Motion Brush）功能實(shí)現(xiàn)對(duì)AI生成視頻中多個(gè)元素的運(yùn)動(dòng)控制。此外，Runway也因其提供了集合多種AI工具的視頻制作解決方案而備受推崇。

鏡頭語言：運(yùn)動(dòng)鏡頭 vs 靜止視角 

值得注意的是，X平臺(tái)上的一些用戶表示，在OpenAI推出Sora的2月15日晚上，AI視頻生成初創(chuàng)公司Stability AI也在官網(wǎng)和X平臺(tái)上發(fā)布了新動(dòng)態(tài)，宣布了Stable Video Diffusion更新1.1版本。但是，幾分鐘后，這兩條消息都迅速消失了。

被Stability刪掉的文章截屏。來源：X平臺(tái)

外界無從得知這究竟是由于操作失誤，還是Stability觀察到了兩種AI生成視頻之間的巨大質(zhì)量差異，選擇重新制作廣告。Stable Video和前兩款產(chǎn)品一樣，都沒能脫離現(xiàn)有文生視頻的一般模式，即輸出單一的、通常是靜止視角的短視頻片段。相比之下，Sora的宣傳視頻包括變換攝像機(jī)角度、電影式剪輯和場景變換，也就是人們常說的鏡頭語言的使用。

此外，許多分析都指出，Sora帶有世界模型的特質(zhì)。所謂世界模型便是對(duì)真實(shí)的物理世界進(jìn)行建模，讓機(jī)器能夠像人類一樣，對(duì)世界產(chǎn)生一個(gè)全面而準(zhǔn)確的認(rèn)知。這一特性使得AI視頻生成更流暢、更符合邏輯，降低了視頻模型的訓(xùn)練成本，提升了訓(xùn)練效率。

由Sora生成的“賽博朋克背景下機(jī)器人的生活故事”。來源：Sora

和Runway一樣，Stability AI的CEO埃馬德·莫斯塔克（Emad Mostaque）也在X平臺(tái)上感慨“奧特曼（OpenAI的創(chuàng)始人兼CEO）真是一個(gè)魔術(shù)師”，并稱Sora可以被視為AI視頻的GPT3，將在未來幾年內(nèi)得到擴(kuò)展、細(xì)化、調(diào)整和優(yōu)化。

劣勢(shì)：有無免費(fèi)選項(xiàng)，能否開源

和前輩們相比，Sora也存在兩個(gè)可能令其不會(huì)被用戶青睞的問題：有無免費(fèi)選項(xiàng)，以及能否開源。

作為AI視頻領(lǐng)域的新晉競爭者，Pika Labs于去年11月推出了生成式AI視頻工具Pika 1.0，也在推出時(shí)憑借精美的演示視頻引起了轟動(dòng)。Pika已于去年12月公開，與Runway具備相似的質(zhì)量，并在短時(shí)間內(nèi)建立了一個(gè)非?；钴S的用戶社區(qū)。

Pika生成的視頻截圖。來源：Pika

最重要的是，和其他競爭對(duì)手相比，Pika提供了更具吸引力的免費(fèi)使用選項(xiàng)。Runway只會(huì)給用戶125個(gè)不可續(xù)的免費(fèi)積分，而Pika每天都會(huì)給用戶發(fā)放30個(gè)積分，這使得它在短時(shí)間內(nèi)擁有了一個(gè)龐大且活躍的用戶社群。

Stability AI旗下的Stable Video Diffusion則是一款開源的視頻生成模型。類似于圖像版的Stable Diffusion，該模型可以根據(jù)用戶自己的需求進(jìn)行定制，并且可以在個(gè)人設(shè)備上進(jìn)行本地安裝，而Sora大概率永遠(yuǎn)不會(huì)提供這種功能。

目前，Stable Video Diffusion也僅供部分用戶試用，在Stability的官網(wǎng)上可以加入等待列表。