8款AI视频生成产品实测，谁将成为中国Sora？

在国外，谷歌、微软这类“硅谷老钱”很早就投入到了多模态视频生成的研究中。去年，谷歌发布了多模态大模型Gemini和VideoPoet视频大模型，让人从直观的效果层面看到了多模态生成视频的可能性。

在国内，多模态技术路径方向上我们看到了更多的可能性，既有技术积累深厚的大厂百度，也有大模型独角兽公司智谱，还有像生数科技、智象未来一类以多模态大模型为目标的创业公司。

扩散模型路线是文生视频的主流路线，在保证效果生成上发挥着重要的作用，所以即使是惊为天人的Sora在底层架构上也只是改造，而非全盘颠覆。

无论国内外，在这条道路都最为拥挤，首先是一手打造和开源扩散模型的Stability AI公司，紧跟其后的是猛猛向前冲的Runway、Pika，然后才是OpenAI、Meta、英伟达这些巨头。

回到国内，腾讯、阿里、字节三个大厂在前期几乎包揽了视频生成领域的研究，时不时地抛出一个demo小小地惊艳一下。但真的谈到落地产品，还是创业公司明显更快一步，比如爱诗科技、Morph studio、右脑科技等公司已经开始面向用户开放。

被称之为“Sora路线”的DiT，全称为Diffusion Transformer，本质是把训练大模型方法机制融入到了扩散模型之中，从Sora技术报告呈现的结果来看，大力出奇迹之下可能会产生世界物理模拟器的效果。

如今，Sora的底层架构被扒了个遍，训练的组件和技术也在开源的路上，但这也并不意味着人手一个Sora指日可待，技术、数据、算力、训练规模都是一道道关卡。

近期，Sora核心团队负责人在采访中透露：“Sora目前还处于反馈获取阶段，还不是一个产品，短期内不会向公众开放。”

从技术路线上看，国内的爱诗科技是少数从一开始就坚持了DiT路线的企业，其创始人王长虎在公开采访中谈到，Sora的出现验证了爱诗视频生成大模型的方向正确性。正因如此，爱诗科技定下了“3—6 个月赶超Sora”的目标，抓住机会，奋起直追。

产品实测，用户“跑分”

在视频生成模型赛道，目前国内的创业公司大致可以分为两类。

一类是以爱诗科技（PixVerse）、生数科技（PixWeaver）、 Morph Studio和智象未来（Pixeling）为代表的自研基础大模型，聚焦通用场景的视频生成工具。

另一类则包括右脑科技（Vega AI）、李白AI实验室（神采promeai）、毛线球科技（6PenArt）、布尔向量（boolv.video）和MewXAI（艺映AI）。这一类数量更多，也更加产品化，专注于解决某一类场景下的问题，更像是一个AIGC的在线编辑平台。

我们的测试和评比通过三个部分组成，分别是使用门槛，基础产品功能和内容生成能力。

首先是使用门槛。我们测试的8款产品，都已经支持通过网站使用产品（许多创业公司产品只能通过Discord使用），也都可以免费试用。

但其中，仅有爱诗科技的PixVerse不限制免费试用次数，其他产品都有三到五次的试用限制，超过试用次数之后就需要开通会员或充值能量使用，价格从几元到几百元不等。

除了PixVerse之外，其他产品在付费之前基本都有功能限制，比如艺映AI和Pixeling只能生成2s、4s的视频，更长的视频则需要付费。

所以从使用门槛上综合考虑，PixVerse对用户要更加友好快连，在这一板块相对更有优势。其他产品在使用门槛上则相对平均。

具体情况如下图：

其次是产品基础功能。

我们测试的8款产品快连，除了神采Promeal和6PenArt之外，都同时具备文生视频和图生视频的能力。而神采Promeal和6PenArt只具备图生视频的能力，不具备直接文生视频的能力。

除了这两家之外，其他厂家就比较成熟，但产品功能差异却比较大。

其中，爱诗科技的PixVerse在基础功能之上还增加了丰富的辅助功能，比如除了正向提示词，用户还可以输入负向提示词，要求生成画面中不要出现某些元素。

图片生成视频时，用户也可以撰写提示词控制输出效果。可以选择视频风格，可以调节画面比例等等。

同类产品中，只有Pixeling拥有负向提示词、图生视频提示词和视频比例调节，只有艺映AI可以调节视频风格、画面比例。

大模型的技术水平决定视频生成的质量，而产品能力则决定了大模型是否能够被很好地利用，与应用场景相结合。

对于视频生成产品而言，功能的丰富程度决定了用户上手的容易程度，对视频生成的掌控能力，并最终影响输出结果和用户体验。

所以从产品的完善程度和功能完整度上，PixVerse整体领先，智象未来的Pixeling排名第二，艺映AI第三，Vega AI第四。其中布尔向量相对例外，作为专注跨境电商的视频生成工具，其在特定场景下功能更加齐全易用，但在视频生成方面相对缺乏竞争力。

当然，基本功能之外，更核心还是视频生成效果。所以第三部分是视频内容生成能力测试。

首先是视频生成时长。Sora目前能够生成60s的视频快连，但国内创业公司的视频生成大模型，时长大多集中在2s~4s左右，差距并没有特别大。

其次是依据提示词的内容表现能力。

Sora发布时，输出过这样一段视频，其提示词是：美丽，白雪皑皑的东京街道很繁华。几个人在附近的小摊上享受着美丽的雪天并购物。美丽的樱花花瓣和雪花在风中飞舞。