文：王智远 | ID:Z201440
昨天凌晨，sora上线了。
很多小伙伴都是铁杆粉，熬夜不睡，为了第一时间追这个热点。我也没例外，熬到12点半，但眼皮实在撑不住，就决定先去睡觉了。
早上一睁眼，赶紧打开电脑，直接去sora官网。映入眼帘的是24个视频，它们排列得整整齐齐，这些视频非常丰富。
有的展示了人物风采，有的描绘了大海的壮丽，让我印象最深的是一个视频：一颗小种子在泥土中破土而出，发芽、生长的过程被拍得很细致，种子上的小毛孔都能看得很清楚，特别逼真。
迫不及待想亲自体验一下这种震撼，但当我尝试用谷歌账户登录时，它却提醒我，因为用户量太多，sora账户无法使用。
哎，这就像大夏天想喝冰镇可乐，却发现杯子里什么都没有，既期待又失落。我相信身边也有很多朋友想体验但没能体验到。
不过，没关系，这里有几款AI视频生成模型做出来的效果，并不比sora差。在我心中排在第一位的，你猜是哪款？腾讯混元文生视频。
为什么呢？
想必上一周，你也刷到了腾讯混元文生视频开放的信息，它在GitHub、Hugging Face和各大技术报告中都能找到。
如果想亲自体验，可以直接去官网试用。在官网上，你能看到很多逼真的人物视频。不过，要注意，这些展示视频可能经过了多次调整。
目前，腾讯混元的视频模型，虽然只能实现文字生成视频的功能，但它在很多方面表现出色，比如画面质量、镜头切换效果、物体运动表现，以及对提示词的理解等。
你只要输入一段文字描述，它就能生成一段5秒钟的视频。中文和英文的提示词都可以使用，生成的视频画面非常真实，看起来就像电影一样。
刚内测时，我测试了近景、中景、广景、特写等类别。现在这些视频还在空间里。我给近景的提示词是「一只猫在草地上散步的场景」。
我选择了写实风格，配上自然光效果，用专业镜头拍摄，追求高质量画面。最终的效果非常真实，完全能以假乱真。
特写方面，我在成都一个热闹的小吃街上，主播穿着四川特色的服装，头上戴着可爱的熊猫耳朵发箍。她正在品尝麻辣串串，背景是熙熙攘攘的小吃街，还有各种诱人的美食。生成的效果也不错，不至于让人感到不适。
至于其他类别，你可以自己试试。我发现，腾讯在产品细节方面做得很不错，它能把风格、标签、类型、氛围和光线都展示得很清楚。
从提示词来看，腾讯做得比其他产品好，其他产品的提示词可能让你写一段话再生成，但生成的内容往往和你想要的有差距。在这方面，腾讯的产品设计更人性化。
现在它每天以速度优先能生成5个视频，以质量优先能生成2个。但我觉得，在质量和速度上，两者的差异并不大。
第二个产品是什么呢？字节的即梦AI。
即梦AI，真的很懂我想要什么，不用复杂的提示词，都能搞定一切。
说到即梦，不能不提两个软件。一个是剪映，很多剪视频的人都用过。它简单易用，就像剪辑界的“傻瓜相机”。无论是新手还是老手，大家都挺喜欢的。
我记得早些年时，即梦不叫即梦，叫「Dreamina」，那时它还是剪映里的一个功能，后来才独立出来，并同时推出了一些新功能。
另一个要提到的是抖音。我不知道你有没有刷到过那些把古典影视剧剪辑成搞笑段子的视频，还有AI生成的写真照，这些基本都来自即梦的小工具。
至于能力上，文生视频、文生图自然是不可缺失一部分，拿文生图来说，我小绿书上所有的图片几乎都是用它制作而成。
在视频上，即梦AI目前有四个模型，分别是视频S2.0、视频2.0PRO、视频P2.0Pro和视频1.2。我试过这几个模型，它们各有特点。
S2.0擅长捕捉流畅感，可以把一张图的色彩和细节平滑过渡到视频里。2.0PRO则更擅长把图片变成视频，做得更精细；P2.0Pro能理解复杂指令，在一句提示下实现多个镜头切换，同时保持视频的形象、风格和氛围一致。
至于视频1.2模型，主要在运镜和时长上下功夫。
最近，1.2模型正在测试一个新功能，叫动效画板，这个功能很强大，因为它能让你细致调整视频中物体的运动轨迹和最终状态，就像在视频里给物体设定一套动作。
具体来说，动效画板能做很多事情。比如：
单主体形变、多主体运动、主体互动、主体与背景互动、自定义轨迹、自动框选主体或背景等等，一开始，我看着术语也有点晕，实际用起来发现并不复杂。
对了，如果你想用在商业上，字节旗下的「即创」是不错的选择。它在电商领域特别受欢迎，功能包括智能剪辑、数字人制作视频、AI视频脚本、图文工具和直播工具等等。
所以，我觉得在电商这块，「即创」比「即梦」用得更高频，至于“即梦”，可能更适合娱乐场合，你都可以试试看。
第三个要提到的AI视频工具是：Kimi。
要找到Kimi，得在聊天界面下面留意一下，那儿有个不太显眼的按钮，上面写着：Kimi创作空间。点进去，就能看到它的宣传语：“你喜欢的歌都有它的视频”。
我们可以把Kimi的这个功能叫做：文生音视频。如果拿Kimi和即梦AI比较，从整体产品来看，Kimi可能不如即梦AI，它们之间的差别挺大的。
但是，Kimi也有自己优势，它能细致到视频的每一帧。
比如：我要做一个10秒的视频，在Kimi后台可以看到，这10秒的视频可能包含10帧或者12帧，每一帧都是一张图片。
如果对某一帧图片不满意，我可以调整提示词，让它重新生成。所以，我觉得Kimi在细节处理上做得挺好的。
第四个要说的工具是腾讯智影，它也是腾讯推出的。
我现在觉得，AI视频工具大概分两类：一类是用来玩的，比如做艺术照、艺术视频、国风短片、科幻视频这些。
另一类更偏向实用，比如剪视频、识别字幕、抠图、做动态漫画、去掉背景，还有制作视频解说等等。
腾讯智影更偏向实用，它里面的小工具用起来很方便，很多人想找AI数字人，腾讯智影是个不错的选择。你只需要选个角色，输入文字，它就能帮你生成数字人播报的视频。
还有一点，腾讯有个很大的优势，就是它手里有很多视频素材的版权。像那些流行的剧短片、短剧里的素材，都能直接在腾讯智影里找到，而且是免费的。
这一点比其他平台强，至少不用担心版权问题，我每次找不到素材，就会去腾讯智影里搜一搜。
最后一个要提到的是可灵。可灵是快手推出AI视频工具，现在有两个模型，一个是可灵 1.0，一个是可灵 1.5；它没有明确区分场景和人物，我用的时候也搞不清哪个模型适合近景、远景或者人物。
它支持文字生成视频和图文转视频，但用下来感觉有些地方还不够好。比如，生成的视频看起来还有点AI味道，这方面的确有提升空间。
不过，如果是用来做短视频创作，只要提示词写得好，生成的效果基本能满足日常需求。
我也用过不少国外的工具，说实话，国外产品在多模态功能上确实比国内的一些强，但网络问题太麻烦了。
我试过好几款，每次上传几十兆的视频或者十几兆的照片，都要等很久。等它生成完视频再下载，时间耗光不说，耐心也没了。
后来我就想，能不能试试国内的工具？现在看来，完全没问题。国内的AI视频生成技术已经很强了，甚至用起来比国外的还更顺手。
说到这，我想起前两天看到一篇国外的文章，讲的是为什么AI做的艺术看起来那么廉价。文章提到，像DALL-E和Midjourney这样的AI，需要用大量数据来学习，但光靠提示词是不够的。
比如：
AI要画「宇航员骑马」这种图，还是会有挺多问题，看着怪里怪气的，不够真实。
这些AI做出来的图，不管是显眼的地方还是不明显的地方，都可能有问题。因为AI太依赖数据，它没法准确画出人的手到底长啥样。
心理学家和AI评论家加里·马库斯（Gary Marcus）也说过：AI处理不了数据里没有的东西，这部分是人类想象力的领域。就算是最新的AI模型，你让它画「宇航员骑马」，它画出来的图还是会带着一种很明显的“2020年代中期”的风格。
你玩得越多，就越明白，要从AI视频里得到真正有趣的原创内容有多难；所以，AI最擅长的，可能就是让网上充满了那种平庸、短暂的艺术作品。
艺术家戴尔·沃克（Del Walker）在X平台上写道：用AI图片做营销，就等于告诉大家你没预算，就像背了个假的香奈儿包，品牌形象一下子就low了。
所以，我觉得，文生视频的竞争力就在这些细节上。
不管是Sora还是其他工具，大家评价一个视频有没有艺术感，主要看细节；而这些细节，一部分可以交给AI处理，但另一部分还得靠人类的创意和后期加工。
上述提到的腾讯混元文生视频、即梦AI、Kimi、腾讯智影、可灵，是我用着还不错；当然，清影AI、viduAI、HaiperAI也算领头羊，都可以试试看。
