近日，Meta發布Movie Gen，稱其為“最先進的媒體基礎模型”。據悉，Movie Gen可生成1080P、16秒、每秒16幀的高清長視頻，其不但可以通過文本輸入生成視頻，還可以通過文本對現有視頻進行編輯修改，據稱逼真程度超越Sora，Movie Gen預計明年正式向公眾開放。

　　《IT時報》記者注意到，如今幾乎所有新推出的文生視頻產品都會與年初亮相的Sora對比，將之視為最強大的競爭者。不過，Sora一鳴驚人后卻遲遲未上線，被外界調侃為“期貨”，那么“視頻ChatGPT時代”究竟何時來臨？

　　OpenAI的內憂外患

　　距離首次亮相已超過半年，Sora為何遲遲未能正式上線?

　　Logenic AI聯合創始人李博杰向《IT時報》記者表示，Sora未能如期發布的主要原因可能與其所需的算力資源密切相關。Sora模型本身需要占用大量計算資源，生成一分鐘視頻的時間高達約半小時，且并非單臺設備完成，而是需要多臺并行運行，這

　　;96t0k-kt9ogpotot\/.t/t/T/FTddddddddft t分鐘視頻的成本可能超過100美元。

　　李博杰指出，如果普通用戶生成一分鐘視頻要花費100美元，那么如此高的成本對于消費級市場來說顯然難以接受。因此，Sora尚未能大規模推廣。相比之下，一些國內公司選擇了較小規模的模型，雖然生成效果不如Sora，但在當前算力有限的情況下更加實用，能讓用戶立即上手。

　　Sora如何降低成本?可能需要依賴模型蒸餾這一技術。

　　模型蒸餾是指通過使用大型、強大的模型(如GPT-4o或o1-preview)的輸出，來微調更小、更具成本效益的模型(如GPT-4o mini)，以在特定任務上接近高級模型的性能，但成本大幅度降低。

　　如GPT-4o mini，通過模型蒸餾技術將成本降低了30倍，“理論上Sora也可以采取這種方法，將模型能力稍微削弱，但成本卻能大幅下降。”李博杰同時指出，這一過程需要大量資源投入，而資源恰恰是當前OpenAI內部面臨的一個重要問題。

　　近日，《The Information》報道稱，OpenAI因不滿微軟無法快速提供足夠的服務器，開始與Oracle洽談，以建立全球最強的AI數據中心。OpenAI首席財務官Sarah Friar此前表示，由于微軟提供的算力不夠，OpenAI不得不尋找其他數據中心合作。

　　另一方面，盡管OpenAI擁有比大多數公司更多的GPU資源，但團隊規模龐大，內部的資源爭奪和職場斗爭不斷。OpenAI內部約有3000名員工，不少團隊需要搶占資源，高管的頻繁離職也與此有關。

　　OpenAI部分團隊專注于商業化，需要快速推向市場，因此占用了大量GPU資源。尤其是GPT-4的免費開放，更加劇了資源消耗。此外，OpenAI還在不斷訓練新模型，如o1推理模型、Sora的最新版本、GPT-4.5以及即將推出的GPT-5.進一步加重了計算資源的負擔。

　　當地時間10月4日，OpenAI的文生視頻大模型Sora團隊研發負責人Tim Brooks宣布離職，加入谷歌 DeepMind。在此之前，9月26日，OpenAI高層也經歷了重大變動，多位高管相繼離職，創始團隊成員僅剩三人。

　　此外，在美國，生成式AI引起的版權爭議正愈演愈烈。此前，超過4700名藝術家發起集體訴訟，指控Stability AI、Midjourney和其他AI相關公司非法使用版權作品用于訓練AI。相比文本生成，圖片、視頻和語音的版權風險更大，視頻生成面臨更多的版權問題。

　　內憂外患之中，Sora終成“期貨”。

　　國產文生視頻百花齊放

　　對于廣大使用者而言，Sora從“理想”到“現實”的進展緩慢無疑令人失望與焦慮。Sora首次亮相時，業內的討論還聚焦于中美AI技術的差距。如今，短短半年后，國內AI創作領域已然“百花齊放”。相比之下，Meta的入局已經顯得慢了半拍，中國企業迫不及待地開始布局視頻生成技術。

　　今年3月底，字節跳動旗下的剪映團隊推出AI創作平臺“即夢AI”并開放內測。8月6日，移動版應用正式上線蘋果商店，具備文生圖、文生視頻和圖生視頻等功能。

　　6月13日，美圖發布了基于大模型的短片創作平臺MOKI，創作者只需經過簡單設定，即可生成動畫短片、網文短劇、故事繪本和MV等多種內容，極大降低了創作門檻。

　　6月21日，快手推出旗下的“可靈”圖生視頻功能，7月24日，基礎模型升級，顯著提升了畫面質量與運動表現。

　　大模型領域的初創公司同樣不甘落后。愛詩科技推出了AI視頻生成產品PixVerse，生數科技4月發布了視頻生成模型Vidu，智譜AI7月26日上線清影(Ying)，MiniMax則于9月2日推出abab-video-1.其高壓縮率、優良的文本響應能力以及多樣化風格，能夠生成媲美電影質感的高分辨率、高幀率視頻。

　　據德邦證券統計，自Sora首次亮相以來，全球已有十多家公司發布或更新了視頻生成模型。

　　作為自2023年2月起就開始體驗各種視頻創作工具的資深用戶，俞國漢見證了AI視頻創作領域快速變化。

　　“最開始要將視頻的每一幀都用圖像生成模型Stable-Diffusion進行圖生圖處理，然后再連成視頻。”俞國漢回憶道。這種方法雖然能夠生成具有創意效果的視頻，但每一幀圖生圖之間存在差別，導致最終的視頻效果總是閃爍不定，嚴重影響了觀看體驗。

　　此后，字節跳動的Animatediff模型出現，憑借免費、本地使用且可操作性強的優點，迅速獲得了技術愛好者們的青睞，成為視頻轉視頻的主流工具。與此同時，市場上也涌現出了一些高質量的圖生視頻工具，如Runway Gen2因其出色的畫質和高分辨率，一度受到短劇領域的青睞。

　　2024年初Sora的面世給視頻創作領域帶來一波新浪潮。“那時候大家對Sora既充滿期待又感到不安，覺得之前花時間研究的視頻技術都變得不再重要了。”俞國漢回憶道。

　　直到2024年6月，快手“可靈”正式發布，讓俞國漢在內的創作者們直呼“原來真的有那么好的文生視頻工具”�？伸`不僅提升了文生視頻的表現，還證明了高質量文生視頻的可能性。此后，市場上涌現出了多種文生視頻工具，如Vidu、Runway、Luma、海螺AI等，每款工具都各有特色。

　　俞國漢向《IT時報》記者詳細介紹了自己體驗這些文生視頻工具的直觀感受，比如海螺AI以其優秀的動畫、鏡頭運用和人物情感表達而著稱；Vidu在語義理解、特效2D動畫、一致性等表現出色；Runway則以其較高的分辨率、優秀的畫面質感成為廣告行業的理想選擇；而可靈則因其平衡的性能而被視為多面手。

　　商業化“道阻且長”

　　俞國漢指出，目前使用AI視頻制作對于個人用戶而言成本仍然較高，但對于企業來說，這種成本是可以接受的，商用AI視頻制作中，畫面一致性、分辨率和語義理解能力是決定視頻質量的關鍵因素。

　　盡管文生視頻技術為創意工作開辟了新的空間，但其現有的局限性使得它在商業應用中的價值遠不及圖生視頻。目前來看，文生視頻大多時候更像是愛好者的“玩具”，難以滿足商業需求。因為在短劇制作中，需要確保人物形象和其他元素的一致性，而文生視頻往往只能生成幾秒鐘的內容，且下一秒的內容可能會發生變化，這顯然無法滿足專業制作的要求。

　　李博杰也指出，在技術層面，文生視頻面臨的關鍵挑戰之一是風格一致性的問題。例如，在生成一個10秒的視頻時，人物形象是否保持一致，是否會出現前后視頻中人物外貌不符的情況。此外，視頻中的物理規律是否符合常識也是一個難點。

　　“Sora的關鍵作用在于它為行業指明了方向。如果它能夠降低成本并進入市場，其他公司將會紛紛跟進，投入資源進行開發。”李博杰表示，盡管目前Sora的效果未達最佳，但如果它開源視頻生成模型，將帶來一場顛覆性的行業變革。

　　事實上，當前市面上缺乏先進開源的視頻生成模型。大多數頭部公司如Meta和Sora都選擇了閉源。雖然Meta近期發布了一份92頁的技術報告，詳細闡述了技術細節，開放程度已超出其他公司，但模型本身仍未開源。若未來這些模型能實現開源，將極大推動視頻生成行業的發展。

　　盡管如此，李博杰認為，Sora未來能夠在市場上推出，依然具備強大的競爭優勢，“OpenAI在數據和算力上的顯著優勢讓其在市場中獨樹一幟，其他公司既沒有那么多的GPU資源，也缺乏同等規模的高質量數據”。