等了 10 个月才发布的 Sora，实测的表现让人失望。Google 的 Veo 惊艳众人，但排队遥遥无期，不知道什么时候能玩。
还是来看看百花齐放、都能用上的国产 AI 视频模型吧。最近，可灵的视频生成模型更新了 1.6 版本，同时加量不加价，生成视频的积分没有变。
这次可灵的更新，最直观的是图生视频的进步。
那么，我们就来一次图生视频比拼，从人物表演、物理规律、多主体等角度出题，让可灵和海螺、即梦同题 PK，看谁遥遥领先。
关注 AI 第一新媒体，率先获取 AI 前沿资讯和洞察
吃披萨，喝酒，谁最没有 AI 味
大概从 AI 威尔·史密斯吃面开始，我们就很喜欢让 AI 品味各种美食，并用 AI 的吃相评判技术进步的程度。
先让《老友记》的乔伊吃个披萨，输入一样的提示词，「男人坐在沙发上，将披萨送至嘴边，轻轻咬下一口，镜头轻微拉近，聚焦在吃披萨的动作上」。
可灵让乔伊成功咬下了披萨，披萨少了一口，甚至披萨到嘴边还能拉丝，不过面部肌肉有些用力过猛。
可灵生成
海螺的表演也很完整，吃相比可灵收敛，但牙齿有些穿帮。
海螺生成
即梦完全在状况外，只是让乔伊坐了起来。
即梦生成
吃多了干巴巴的面食，让 AI 挑战一下液体吧。
这次请出日剧《我，到点下班》的女主，输入提示词「女性放下捂着脸的右手，端起啤酒杯轻抿一口，眼睛微眯，露出满足的微笑表情」。
这段提示词同时包含了人物动作和表情的变化，可灵的表演堪称完美，酒送到嘴边时，液体和泡沫都自然地倾斜，甚至主角还边喝边不自觉地眨了眨眼。
可灵生成
海螺的前半部分完成得还行，但后面就放飞自我乱加戏了，主角自顾自地看向了镜头，提示词没这段呀。
海螺生成
至于即梦，请问是怎么了呢？捂着脸的右手没放下，杯子倾斜成这个角度了，还一滴都没有洒出来，是不是要找牛顿秉烛夜谈。
即梦生成
切番茄，做体操，物理规律怎么就这么难学
现在，让可灵、海螺、即梦从餐桌下来，挑战大自然习以为常、却让 AI 们犯难的事情。
最近，OpenAI Sora 和 Google Veo 的切番茄对比，成了群嘲 Sora 的又一个依据。现在，我们也让三个国产 AI 下一回厨房。
这次的提示词写得比较详细：「写实风格，特写镜头，厨师正在砧板上切番茄，手部动作流畅，番茄被切成均匀的片状，汁液微微溅出，流畅的动态效果。」
可灵切的番茄一片片厚薄均匀，而且刀片下压和掉在砧板上的时候，番茄会发生形变。但第二刀应该切到手指了，可灵却表示没事。
可灵生成
海螺这是在切番茄吗？更像是在锯木头。
海螺生成
即梦开了个好头，结果这个番茄是越切越完整，一倒下又成了半个，让人绷不住了。
即梦生成
再来看看 AI 怎么理解奔跑和跳跃，我先用 AI 生成了一张水墨风的画，输入提示词「梅花鹿跑了几步到池塘边，优雅地跳过水面，消失在画面左侧」。
可灵的鹿虽然没能跳过水面，落进了水里，但总体遵循了提示词，水面跟随鹿的动作，溅起了水花。
可灵生成
海螺的鹿是消失了，原地打转把自己转没了。确认了，是个搞笑视频。
海螺生成
即梦的前半段还可以，鹿走了几步，也往水面跳了，但这个结尾抽象得看不懂。
即梦生成
体操被称为是 AI 视频界的「图灵测试」，因为难度太高了，肢体动作太复杂了，让 AI 生成，很容易出来不准确甚至恐怖的画面。
拿美国体操女王拜尔斯的图片一试，果然如此。我的提示词写得很简单，「一位女性体操运动员在平衡木上表演」，就想让 AI 自由发挥，但结果一言难尽。
可灵少做少错，一个动作都没有表演呢，5 秒就过去了。
可灵生成
海螺老老实实地炫技了，但你盯上 10 次也很难理解，腿是怎么翻转的，人的正面和背面怎么切换的。
海螺生成
即梦和可灵差不多，试图用慢动作过关，但奇怪的手已经暴露了这是个 AI。
即梦生成
打败小鲜肉，对标老戏骨
如果未来 AI 短剧、AI 电影大行其道，那么演技必须要比内娱的小鲜肉们好。所以，来考考国产 AI 的演技。
拿出电影《希德姐妹帮》的名场面截图，输入提示词「女性的嘴角叼着香烟，她微笑了一下，然后抬起右手，从外套口袋掏出金属打火机，掀开打火机盖点火，并将火焰凑近香烟末端」，让 AI 抽个烟。
可灵的表演太细了，每个表情和动作都遵循了提示词。掏打火机的时候，主角低下头，点火的时候，主角也是看着香烟，演技浑然天成，但这个打火机怎么点的，没看明白。
可灵生成
海螺的完成度也很高，但掏烟的地方不太对，并且左手在做假动作，根本就没碰到打火机。
海螺生成
即梦又自己发挥了，别说点烟了，烟自己都神出鬼没的。
即梦生成
再用 AI 生成的游戏 CG 风格的侠女，考验特写下的微表情。
我精心设计了表情的层次，输入提示词「少女先是露出惊愕的表情，随后显得愤怒，眼神变得凌厉，最后扬起嘴角，露出带着杀意的冷笑」，就看 AI 们能不能演出来了。
可灵表演出了惊愕，愤怒和冷笑不是很明显，至少表情是灵动的，发丝也飘动得恰到好处。
海螺的表演不能说不对，但太外放了，属于练习时长两年半的演技。感觉她在骂人，并且骂得很难听。
海螺生成
即梦这次的演技，算是三个 AI 里最好的了，虽然也没能演全，但表现出了凌厉的眼神。
即梦生成
复杂提示词，谁的阅读理解能力最强
多主体、多动作的复杂场面，对于 AI 来说也是一个难题。基于电影《百元之恋》的拳击擂台名场面，AI 们能不能生成一场精彩的比赛？
我输入了图生视频提示词——「两位女拳击手在擂台上对战，穿红色短裤的选手快速出左勾拳，穿蓝色短裤的选手后撤躲避后立即反击直拳，双方动作敏捷有力」。
可灵打得有来有回，语义理解也不错，知道是谁先出拳，先出哪只手，但力度软绵绵的，没有真实比赛里拳拳到肉的感觉。
可灵生成
海螺的场面一度有些混乱，一招鲜吃遍天，就看谁的出拳快。即梦更离谱，把拳击搞成了近身攻击。
海螺生成
即梦生成
两个人的打斗可能有点难，再来试试各就各位的才艺演出。
我选取了《死侍与金刚狼》的剧照，配上提示词「六位超级英雄保持队形站位，同步抬起双手做出心形手势，然后整齐划一地转身」。
可灵的比心不太同步，转身还没结束，视频就结束了。
可灵生成
海螺的比心整齐划一，但这个转身方式也是我没想到的。至于即梦，连比心都犹犹豫豫的，金刚狼你到底在坚持什么？
海螺生成
即梦生成
这是一次没有广告、纯花钱买积分自测的比赛，其中，可灵选择的是 1.6 模型，海螺选择的是 I2V-01 模型，即梦选择的是 S2.0 Pro 模型。
测评下来，虽然三个国产 AI 各有胜负，但在题目的范围内，可灵的总体表现是最好的。
可灵的运动相对合理，对提示词和物理规律的遵循也还可以，但有时候画面美感差了点，高难度的运动也有待学习。
可灵生成，基于电影剧照，吃意大利面
虽然可灵还称不上指哪打哪，但它的图生视频，对提示词理解得比较深入，哪怕结果不全对，或者画面不够美，至少可以看到，提示词的很多细节都在视频里有所体现。
总之，就是种积分没有白买、图片没有白找、提示词没有白写的感觉。
从 1.5 到 1.6，看似只有一个小数点，AI 视频的可控性是肉眼可见的提升了。AI 视频的比赛已经白热化了，但更重要的是，生成视频的时候，掀桌的冲动少了，创作的欲望强了，未来国产 AI 视频还能带来什么惊喜，值得期待 。
热门跟贴