视频生成大模子，能匡助我们成为视频创作家吗？

前段时代，AI 歌手 Yuri 火爆全网，不少网友惊叹 AI 大模子生成的视频竟然真假难辨，口型和声息近乎无缺同步。绝对由 AI 创作的 MV 视频《SURREAL》似乎向我们解释，每个东谈主都可以使用 AI 创作出高质地的视频，但事实确凿如斯吗？

《SURREAL》的背后是史书责任室，领有专科的后期团队，该 MV 的背后更有上万张图片，无法代表群众水平。

为了考证视频生成大模子的真确智商，雷科技挑选了国内东谈主气和智商较强的可灵、即梦、清影、拍我四款视频生成模子，将通过一场评测，展现现时国产视频生成模子的智商，以及有计划哪款视频生成模子最强。

（图源：mockup 网站套壳）

这四款模子中，可灵出自快手，曾有「国产 Sora」的称呼，但上线时代比 Sora 更早；即梦出自字节逾越，可用抖音扫码登录；清影出自智谱 AI 团队，而智谱中枢成员来自国内顶级学府清华大学的 KEG（学问工程）履行室；拍我原名 PixVerse，出骄傲诗科技，此前主要面向国外阛阓，本年 6 月才推出洋内版 App。

先容完毕，四款 App 实力怎么，我们看发扬讲话。

先说一下测试环境，可灵聘任了 2.1 大师版块，即梦为视频 3.0 版块，清影暂不援助改换版块，因而使用默许版块，拍我为 V4.5 版块，生成的视频均为 16:9 比例、5 秒时长、720P 分辨率，但由于图片大小限制，雷科技将视频制作成 GIF 时会进行压缩。

为了保证平允性，镜头通达、立场等参数均不调遣，保执默许成立。悉数视频均生成一次，拒却"东谈主工筛选"优秀作品或后期修改，测试共分为三轮。

第一轮《天净沙 · 秋念念》：静态画面无缺，动态可灵完胜。

若想收场让每个东谈主都能期骗视频生成模子挥洒创意，最遑急的等于提高 AI 对当然语言的理会智商，而非依靠特定的教唆词，悉数视频生成大模子也都执政着这个场所发展。

因此，第一题雷科技聘任了马致远的《天净沙 · 秋念念》，这首初中教材上的散曲，肯定寰球还能背诵下来，作家仅用一言半语，就勾画出了一幅心事哀愁的暮年，能否解构作家想要抒发的田地，关于生成视频的准确性尤为遑急。

有着「国产 Sora」之称的可灵，生成的视频大体与散曲相符，水中的波纹、零丁孤身一人的老者，以及桥上雕栏和路边草木的光影拟真进程较高，镜头的拉升突显出了荒漠感。好意思中不及的是，桥对岸访佛贞洁的洞口，以及上方如同被土壤掩埋的屋子不够相助。在我看来，前线一派平原，寥寥几户东谈主家，再加上几缕炊烟，更能突显沉寂的好意思感。

（图源：可灵生成）

即梦生成的视频若不看马儿，可能会有点分不出来究竟是 AI 生成的，如故有东谈主在薄暮时拍摄的，水面的波纹、太空云彩的变化，以及迢遥的夕阳，接近无缺。然则两匹马步辇儿的姿态却有小数浮泛，导致我们肃穆不雅察时，能够辨别出画面由 AI 生成。最遑急的是，这段视频枯竭了这首散曲的中枢「断肠东谈主」。

（图源：即梦生成）

清影生成的视频就有些离谱了，先不说雷同枯竭「断肠东谈主」这一中枢元素，马匹走着走着竟在空中飘起来就很分歧理。清影生成的悉数这个词画面真确度很高，迥殊是河流的细节，水流冲击到河岸时会变成回流。仅仅马儿腾空而起的画面，问题简直太严重。

（图源：清影生成）

拍我生成的画面，能够体现出零丁孤身一人的田地，后头的转场令我意象了留守儿童送父母出门打工的画面。不外这段视频东谈主物的全体装璜过于当代化，而且转场有些突兀，马儿和转场后的英文略显过剩。

（图源：拍我生成）

静态景物和动作幅度较小的动态景物，四款 AI 大模子的差距不彰着，但到通达度较大的景物时差距立见分晓，即梦、清影的马儿活动都有些不当然。总体来说，本轮测试中，可灵发扬最佳，其次为即梦和拍我，清影生成的视频中马儿腾空而行，导致扣分严重。

第二轮《舞女谢幕》：面部、肢体均有污点，相助性有待校正，可灵、即梦不分仲伯。

与文生视频不同，收受图生视频时，用户可以逼迫环境和事物主体，便于创作谄谀性较高的长视频。视频生成大模子能否无缺复刻图片的环境和事物脾气，则是纯属它们智商的重要。本轮的测试题为：舞女罢澄莹扮演，向台下不雅众鞠躬致意。所用的图片为豆包 AI 大模子生成，如下：

（图源：豆包 AI 生成）

可灵在评测中证实踏实，东谈主物的动作幅度是几款大模子生成的视频中最大的，且地板的倒影和东谈主物裙摆的实质舞动一致，东谈主物全体动作还算当然。然则右手在终末的鞠躬动作从上往下舞动时，如故出现了虚影。

即梦生成的视频动作幅度较小，鞠躬的动作也较为圭臬，但手指处依然有一些不相助，在从上向下出动时，手指数目似乎不对。不外即梦的发扬还是极为出色，莫得出现彰着的污点。

（图源：即梦生成）

上一轮测试中发扬不太出色的清影，这一轮又出现了问题，东谈主物鞠躬动作显得极为平安，而且在出动经由中，手臂、手指、面部都出现了扭曲变形的情况，光显是凭据东谈主物的图片生成立体动作时处理不够完善，以至于存在彰着的不相助画面。

拍我生成的视频除了教唆词形色的舞女鞠躬，还主动将镜头向后拉，展示出了下方不雅众饱读掌的画面。问题是，东谈主物的饱读掌动作迥殊不相助，以至于画虎不成。

与上一轮评测的收场相似，静态事物各家模子生成的视频质地相似，动态事物的处理存在彰着差距。至于手指处不相助的问题，自从 AI 能够创作图片和视频运行就一直存在，时于本日仍未被澈底料理。

可灵诚然有手臂虚影这一彰着问题，但主动给我方增多难度的转圈动作属于加分项，与即梦仍可并排第一，拍我诚然也存在不雅众饱读掌时动作扭曲的问题，但访佛电影镜头的处理，也能为其加分。清影在莫得主动给我方增多难度的情况下，仍出现了手臂、手指、面部扭曲且动作较为平安的问题，发扬最差。

值得一提的是，四款 AI 大模子并未铲除图片的水印，比拟尊重原创，但清影用我方的水印挡住了图片的水印，处理不是太好。

第三轮《荷塘月色》：阅读理会比拼，即梦号称「高考状元」。

在教材、试卷上，我们常常读到名家散文，有时还需要鸠集我方的阅读理会，回话相应的问题。这一次，雷科技也给视频模子准备了全部阅读理会，条款它们按照朱自清的散文《荷塘月色》段落生成一段视频。具体内容如下：

曲报复折的荷塘上头，弥望的是田田的叶子。叶子出水很高，像亭亭的舞女的裙。层层的叶子中间，稀罕地点缀着些白花，有袅娜地开着的，有憨涩地打着朵儿的；正如一粒粒的明珠，又如碧天里的星星，又如刚出浴的好意思东谈主。微风过处，送来缕缕幽香，仿佛迢遥高楼上飘渺的歌声似的。这时候叶子与花也有一点的动荡，像闪电般，眨眼间传过荷塘的何处去了。叶子本是肩并肩密密地挨着，这便宛然有了全部凝碧的波痕。叶子下面是脉脉的活水，遮住了，不可见一些情态；而叶子却更见风骚了。

可灵生成的视频一如既往高质地，说是用手机或相机拍摄的，可能都有东谈主信，荷叶、荷花真确度极高，水面的倒影、波纹也宛如真确画面，镜头的出动更为这段视频增添了一点灵动感。好意思中不及的是，可灵可能诬蔑了「像闪电般」这句话，导致画面发轫部分确凿有闪电划过。

即梦创作视频的质地雷同踏实，荷花、荷叶随风扭捏，水中的倒影也在浪荡。尽管植物茎叶在水中浪荡时激起波纹的脾气，该视频没能太好地展示出来，但不可隐蔽这段视频的优秀。

至于清影生成的视频，荷叶与荷花铺满了水面，却与段落中的「叶子出水很高」不相符，也莫得体现出来波痕、活水等脾气，悉数这个词视频宛如静态，唯独小幅度的变化。

淌若说可灵生成的视频中掠过的闪电可以用晴空轰隆强行解释，拍我生成的画面中，从水中钻出的诡异东谈主头，只可用 「荷花修王人成精」这么的打趣来解释了。出现这种画面，可能是拍我理会错了「又如刚出浴的好意思东谈主」这句话。清影生成的画面簇新唯好意思，淌若莫得东谈主头从水面钻出的画面，可以给高分，但很缺憾。

在这一轮测试中，发扬最佳的是即梦，画面很好地展示出了荷花池随风而动的怡悦，不存在过剩的元素。其次则是可灵，镜头鼓励丝滑顺畅，发轫的闪电也容易修改。清影和拍我各有各的问题，发扬相对较差。

相较于白话化的笔墨，散文平庸愈加晦涩难解，出现多少偏差也可以理会，能够将荷塘、荷花、荷叶展示出来，可见几款 AI 大模子在东谈主类语言识别方面还是相称出色。

小结：可灵、即梦并排冠军，清影、拍我略显逊色。

从三轮测试的收场不丢脸出，固定镜头下动作幅度较小的场景，关于视频生成大模子来说已不是艰辛，生成的视频足以以伪乱真。而到了动作幅度较大的场景，可灵和即梦发扬稍强一些。

其中可灵心爱给我方增多难度，比如舞女转个圈、荷塘镜头鼓励等等，关于笔墨形色的理会智商也相瞄准确。

即梦以求稳为主，三轮测试均未出现大错。清影则在三轮测试中，均出现了较为严重的问题，生成的第一个视频马儿在空中行走，第二个视频肢体和面部扭曲且动作平安，第三个视频未能正确描画出场景。

至于拍我，三轮测试中全体发扬还算可以，除了终末一轮的诡异东谈主头。拍我全球用户已冲破 6000 万，在国内阛阓实力与名气存在落差。

数月前，雷科技曾针对多款 AI 大模子作念过一期评测，它们的发扬却令我大失所望，生成的画面僵硬、罪行。短短几个月昔时，AI 大模子关于真确宇宙物理变化的理会高潮了一个台阶，光影效率、衣着的舞动等等，都简直难以分辨真伪。

可灵和即梦的背后鉴别是国内头部短视频平台快手和抖音，领有重大的视频资源可供历练，它们升级幅度亦然最大的。视频模子鸿沟大战将起，可灵与即梦似乎还是领有了竞争王座的履历。

据界面新闻报谈，在 2024 年第三季度百度总监会上，百度董事长兼 CEO 李彦宏暗示，Sora 这种视频生成模子插足周期长，可能拿不到收益，不管何等火爆，百度都不会去作念。然则日前百度却在 AI Day 科技灵通日上推出了自研视频生成模子 MuseSteamer 和绘想平台，并声称 MuseSteamer 在巨擘榜单 VBench I2V 中以总分 89.38% 位列全球第一。

雷科技进入绘想进行了一番体验，该平台较为肤浅，仅提供视频生成和数字东谈主生成两个功能，其中数字东谈主生见效力暂未灵通，视频生成现在只援助图生视频。

于是雷科技也用第二轮题目对其进行了测试，除了东谈主物面部边幅不够当然，且动作也略显徐徐外，其他方面发扬不比可灵、即梦等大模子差，光影效率描画到位，尤其是脚部的动作。不外这段视频也有一个问题，绘想似乎想要铲除插入图片的水印，但又没能去除干净。

（图源：绘想生成）

百度进入视频生成模子鸿沟，唯唯一个解释，那等于看到了视频生成模子的出路，以偏激能够带给百度的利益。

视频生成模子在专科鸿沟已有不少收获，除了发轫提到的《SURREAL》，还有《三星堆：改日启示录》《中国传奇》《新宇宙加载中》《冰霜》等内容。

绘想平台提供的数字东谈主生见效力，大略率将用于微短剧创作，数字东谈主的形象可以在多个视频中使用，更便于用户创作内容。而且微短剧一集一般在 1 分钟到 3 分钟，创作的难度较低，AI 大模子以致可以提高视频的质地，让微短剧不是停留在大篇幅对话和局促场景，能够展示更多场景。

动作国产视频生成模子的杰出人物，逼迫本年第一季度可灵全球用户范畴已冲破 2200 万，相较上线初期增长了 25 倍，累计生成了 1.68 亿个视频和 3.44 亿张图片，何况可灵 2.0 模子曾登顶 AI 基准测试机构 Artificial Analysis 图生视频榜单。

不管是可灵、拍我用户数目的爆发式增长，如故百度入局视频生成模子鸿沟，都预示着视频生成模子行将迎来爆发期。不外以现在视频生成模子的智商而言，平方东谈主用其创作长视频难度较高，视频模子在处理大幅度动作方面的智商仍有待莳植。专科团队则有实足的时刻实力和资源对视频进行优化，铲除 AI 生成视频的污点。

视频模子短短数月从生成的视频质地堪忧赌钱赚钱app，发展到白璧微瑕，进步号称神速。无意几个月后之后，视频模子生成的内容将再无违和感，可生成视频的时长也有望进一步增多。