主要观点总结
本文主要是对三个国产AI视频模型进行了对比评测，包括可灵、海螺和即梦，从人物表演、物理规律、多主体等角度进行出题评测，通过一系列的图生视频比拼，展现了各模型的优缺点。可灵在总体表现上最佳，对提示词理解较为深入，运动相对合理；海螺和即梦在某些方面也有不错的表现，但存在一些问题。文章还探讨了AI视频的发展前景和期待。
关键观点总结
关键观点1: 国产AI视频模型的对比评测
通过对可灵、海螺和即梦三个国产AI视频模型的对比评测，展现了各模型在图生视频方面的能力，包括人物表演、物理规律、多主体等角度的评测。
关键观点2: 可灵的总体表现最佳
在对比评测中，可灵在多个场景下的表现都相对较好，对提示词理解较为深入，运动相对合理。
关键观点3: AI视频的发展前景和期待
文章还探讨了AI视频的发展前景，指出AI视频的比赛已经白热化，生成视频时创作的欲望强了，未来国产AI视频还能带来什么惊喜值得期待。
正文
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。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
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。海螺的表演也很完整，吃相比可灵收敛，但牙齿有些穿帮。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。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。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。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。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。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。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。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。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。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。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。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。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。即梦又自己发挥了，别说点烟了，烟自己都神出鬼没的。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。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。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。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。
