💰钛媒体•較早收集於 2h
Sora「死」與可靈「生」
💡可靈挑戰Sora：AI影片跑步機賽道必讀動態
⚡ 30-Second TL;DR
有什麼變化
Sora在AI影片生成的市場主導地位衰退
為什麼重要
凸顯AI影片模型快速更迭，促使從業人員在激烈競爭中迅速適應新工具。
下一步行動
在kuaishou.com測試可靈的影片生成能力，比較與Sora的輸出品質。
誰應關注：Creators & Designers
關鍵要點
- •Sora在AI影片生成的市場主導地位衰退
- •可靈定位為新興替代模型
- •AI影片產業被比喻為耗盡體力的跑步機賽道
🧠 深度解析
AI-generated analysis for this event.
🔑 增強重點摘要
- •可靈（Kling）憑藉其在長影片生成（可達2分鐘）及物理規律模擬上的突破，成功在商業化落地與用戶體驗上超越了長期處於封閉測試狀態的Sora。
- •AI影片生成領域的「跑步機」效應源於算力成本與模型訓練數據的邊際效應遞減，導致企業在追求極致畫質的同時，面臨嚴峻的商業變現挑戰。
- •OpenAI在Sora發布後的長期沈默，導致其在開發者生態與社群影響力上被快手、Runway及Luma AI等更具開放性的競爭對手迅速瓜分。
📊 競品分析▸ Show
| 特性 | Sora (OpenAI) | 可靈 (快手) | Runway Gen-3 Alpha |
|---|---|---|---|
| 影片長度 | 60秒 (測試版) | 120秒 | 10秒 (可擴展) |
| 物理模擬 | 高度擬真 | 強大 (運動幅度大) | 中等 |
| 商業化狀態 | 封閉測試 | 已開放公測/付費 | 已商業化 |
| 核心優勢 | 早期技術領先 | 長影片與穩定性 | 專業影視工作流 |
🛠️ 技術深入
- •可靈採用了基於3D時空聯合注意力機制的擴散模型（Diffusion Transformer, DiT），有效解決了長影片生成中的時間一致性問題。
- •在物理模擬方面，可靈引入了針對複雜物理交互的強化學習微調，使其在處理人體運動與物體碰撞時表現優於早期的Sora架構。
- •Sora架構核心為時空Patch化（Spacetime Patches），將影片視為視覺Token序列進行處理，但在長序列生成時面臨顯存佔用過高的技術瓶頸。
🔮 前景展望AI analysis grounded in cited sources
AI影片生成市場將從「畫質競賽」轉向「長度與敘事控制」的競爭。
隨著基礎畫質趨於飽和，能夠生成具備連貫敘事邏輯的長影片將成為商業化應用的核心門檻。
封閉式模型開發模式將逐漸失去市場主導權。
可靈與Runway的成功證明了快速迭代與開放API生態對於建立用戶黏性的重要性遠高於單純的技術展示。
⏳ 時間線
2024-02
OpenAI正式發布Sora，展示其在影片生成領域的技術突破。
2024-06
快手正式發布可靈AI，並開放公測，主打長影片生成能力。
2024-09
可靈AI推出網頁版並開啟全球付費訂閱服務，加速商業化進程。
2025-03
可靈發布升級版模型，進一步優化了影片生成的物理規律與細節表現。
📰
AI 週報
閱讀本週精選 AI 大事摘要 →
👉相關動態
AI 策展新聞聚合。所有內容版權歸原始發布者所有。
原始來源： 钛媒体 ↗