实测完快手的AI视频「可灵」后，我觉得这才是第一个中国版Sora * { margin: 0; padding: 0; outline: 0; } body { font-family: “PingFang SC”, system-ui, -apple-system, BlinkMacSystemFont, “Helvetica Neue”, “Hiragino Sans GB”, “Microsoft YaHei UI”, “Microsoft YaHei”, Arial, sans-serif; line-height: 1.6; } .__page_content__ { max-width: 667px; margin: 0 auto; padding: 20px; text-size-adjust: 100%; color: rgba(0, 0, 0, 0.9); padding-bottom: 64px; } .title { user-select: text; font-size: 22px; line-height: 1.4; margin-bottom: 14px; font-weight: 500; } .__meta__ { color: rgba(0, 0, 0, 0.3); font-size: 15px; line-height: 20px; hyphens: auto; word-break: break-word; margin-bottom: 50px; } .__meta__ .nick_name { color: 576B95; } .__meta__ .copyright { color: rgba(0, 0, 0, 0.3); background-color: rgba(0, 0, 0, 0.05); padding: 0 4px; margin: 0 10px 10px 0; } blockquote.source { padding: 10px; margin: 30px 0; border-left: 5px solid ccc; color: #333; font-style: italic; word-wrap: break-word; } blockquote.source a { cursor: pointer; text-decoration: underline; } .item_show_type_0 > section { margin-top: 0; margin-bottom: 24px; } a { color: 576B95; text-decoration: none; cursor: default; } .text_content { margin-bottom: 50px; user-select: text; font-size: 17px; white-space: pre-wrap; word-wrap: break-word; line-height: 28px; hyphens: auto; } .picture_content .picture_item { margin-bottom: 30px; } .picture_content .picture_item .picture_item_label { text-align: center; } img { max-width: 100%; } .pay_subscribe_notice { margin: 30px 0; padding: 20px; background: fffbe6; border: 1px solid ffe58f; border-radius: 8px; } .pay_subscribe_badge { display: inline-block; padding: 4px 12px; background: faad14; color: fff; border-radius: 4px; font-size: 14px; font-weight: 500; margin-bottom: 12px; } .pay_subscribe_desc { font-size: 15px; line-height: 1.8; color: rgba(0, 0, 0, 0.7); margin-bottom: 12px; } .pay_subscribe_hint { font-size: 13px; color: rgba(0, 0, 0, 0.4); } .__bottom-bar__ { display: flex; justify-content: space-between; align-items: center; position: fixed; bottom: 0; left: 0; right: 0; height: 64px; padding: 8px 20px; background: white; box-sizing: border-box; border-top: 1px solid rgba(0, 0, 0, 0.2); } .__bottom-bar__ .left { display: flex; align-items: center; font-size: 15px; white-space: nowrap; } .__bottom-bar__ .right { display: flex; } .__bottom-bar__ .sns_opr_btn { display: flex; align-items: center; user-select: none; background: transparent; border: 0; color: rgba(0, 0, 0, 0.9); font-size: 14px; } .__bottom-bar__ .sns_opr_btn:not(:last-child) { margin-right: 16px; } .__bottom-bar__ .sns_opr_btn > img { margin-right: 4px; }
实测完快手的AI视频「可灵」后，我觉得这才是第一个中国版Sora
原创 数字生命卡兹克 数字生命卡兹克 2024-06-07 06:08 北京
昨天，6月6号，是快手的13周年生日。
在这一天，所有AI圈的人都想不到，快手在13周年之际，没有任何预兆、没有任何宣传，直接发布了他们的AI视频大模型。
可灵。
给我也干了个措手不及。
我当时正在看360的发布会，突然手机就叮叮当当一顿狂响，打开一看，一群人跟我说：快快快，看快手，他们发AI视频模型了。
我当时想着，发个AI视频模型就发个AI视频模型呗，能有啥大惊小怪的，这年头，做AI视频的多了。要么就是发了个老技术的产品给大家先用着占坑，要么就是发了个Sora那种新技术的纯PR视频，又不给用纯粹To VC的。还能有啥。
打开快手的模型官网一看，嚯，新技术的，运动幅度跟Sora有的一拼，还能支持最长2分钟。这就有点意思了。
然后，即刻开放邀测。
虽然不抱有能用的希望，但是我秉持着来都来了的原则，还是去申请了一下。
申请流程：下载快影APP - AI玩法 - AI生视频模块 - 填问卷申请。
我本来以为，跟两个月前的某AI视频产品一样，说是比Sora还好，但是我申请了两个月都没动静。
结果没过几个小时，我就收到了快手的短信。。。
不是哥们，你来真的啊？
你说的发布居然是真发啊，居然当天真的给人用啊？你居然不是画饼啊？
这一下，给我整不会了…
快手不愧是老铁，真实诚。
到家了之后，我花了好几个小时，跑了100多个case，又跟好基友@吉川明静勾兑了一下他那边的case。差不多有了一些不是特别全面的认知。
但，有一句话，我觉得是可以放心说了。
快手的可灵，就是我认为正儿八经的，经过验证的，而且还能上手直接用的，第一个中国版Sora。
不过可灵是大模型，真正变成产品，还是有很多限制的，比如算力、功能、开发周期等等。
所以现在可以使用的版本，并不是完全体。
比如现在的固定时间只能为5s、不支持图生视频只支持文生、不能自定义尺寸等等。
但是都无关大雅，因为所有人对Sora的兴奋点，不是那些功能，而是他那最核心的：
极度真实的物理规律。
而这一点，快手可灵，做到了。
随手放几个我跑的case，第二个是吉川跑的。
这运动幅度、物理规律的稳定性，就非常的离谱。
如果不涉及人与人、或者人与物体之间复杂的交互，那可灵的物理表现，几乎可以称的上完美。
毕竟，连吃面条这种坑死所有AI视频产品的case，都能搞定掉。做一些复杂的动作或者细腻的表情，也都没啥问题。比如：
但是我们真的去看一部电影、一部电视剧，里面还是有很多复杂交互的。
比如最常见的打斗戏、比如操作一台极其精密的设备等等。而这些，也是物理难度最高的，连Sora处理的都非常的一般。
可灵自然也不例外，在复杂交互上，目前还有很大的进步空间。比如我跑的这个决斗场景。
但至少，他给了我们一个新的可能性。如果大家留意一下过往的所有AI视频，你用图生视频的方式去做，是几乎不可能做出这种交互镜头的，都是用蒙太奇或者AE去替代掉。而现在，有希望了。
而在单人镜头上，人物在没有支点（比如空中坠落）的时候，会发生一定程度上的变形。同时如果人物在画面中比例较小的时候，也会发生糊脸现象，这个是现在AI的通病，不仅AI视频有，AI绘图一样也有。等未来数据集和技术迭代吧。
还有一个很意外的片段，我自己非常非常喜欢。
Prompt是：“你站在桥上看风景，看风景的人在楼上看你。明月装饰了你的窗子，你装饰了别人的梦。”
虽然出来的视频，跟Prompt稍微有那么一些的不搭嘎，但是这个片段，真的属于意外之喜，我非常非常的喜欢。
目前看下来，可灵在“真实风格”的场景上，表现的最好，而在一些风格化的表现上，就会比“真实风格”上，稍微逊色一些。
比如我的这段Prompt：
“拟人化的穿着西装的狗，提着包在公交车上，窗外是飞驰而过的城市”
如果是真实风格，效果就会非常好。
但是如果改成动漫风格，就会傻里傻气很多…
可灵整体上，在Prompt的依从性上，个人觉得在AI视频里，肯定是第一梯队，但是如果你跟AI绘图的头部、跟文本大模型的头部去比，那感觉还是会差一些。
比如：“一只企鹅穿着西装，在办公室里开会，用严肃的表情进行演讲”，西装丢了，只剩企鹅了。
比如：“一只穿着盔甲的猫骑着独角兽在彩虹上奔驰，穿越魔法森林，背景是古老的城堡”，奔驰这个动作没了，直接不动了。
不过这也不是什么大问题，毕竟这才第一版，还在内测，这些做好了，都是锦上添花的东西。
模型的质量，模型的物理规律，才是真正的核心，真正的重中之重。
这一点，快手可灵，除了那个没发布的Sora之外，基本碾压所有同行。
我现在非常期待可灵的图生视频功能。
因为对于专业的AI视频创作者来说，基本上还是会用图生视频，因为可控性更强，一致性的控制更方便一点。而文生视频，还是会更偏向于普通用户一些。
说实话，我现在已经有了一个非常想做的AI作品的故事。
现在，我真的非常非常想用快手可灵，把他做出来。
毕竟，这是真正的第一个，中国版Sora。
哪个创作者会不兴奋，会没有创作欲望呢？
就看什么时候，快手可灵能更新它的图生视频功能了。
我期待着那一天。
谢谢你，快手。
以上，既然看到这里了，如果觉得不错，随手点个赞、在看、转发三连吧，如果想第一时间收到推送，也可以给我个星标⭐～谢谢你看我的文章。
数字生命卡兹克
 阅读 赞  分享 ‘%3E %3Cg transform=‘translate(0 -2.349)‘%3E %3Cpath d=‘M0 2.349h24v24H0z’/%3E %3Cpath fill=‘%23576B95’ d=‘M16.45 7.68c-.954 0-1.94.362-2.77 1.113l-1.676 1.676-1.853-1.838a3.787 3.787 0 0 0-2.63-.971 3.785 3.785 0 0 0-2.596 1.112 3.786 3.786 0 0 0-1.113 2.687c0 .97.368 1.938 1.105 2.679l7.082 6.527 7.226-6.678a3.787 3.787 0 0 0 .962-2.618 3.785 3.785 0 0 0-1.112-2.597A3.687 3.687 0 0 0 16.45 7.68zm3.473.243a4.985 4.985 0 0 1 1.464 3.418 4.98 4.98 0 0 1-1.29 3.47l-.017.02-7.47 6.903a.9.9 0 0 1-1.22 0l-7.305-6.73-.008-.01a4.986 4.986 0 0 1-1.465-3.535c0-1.279.488-2.56 1.465-3.536A4.985 4.985 0 0 1 7.494 6.46c1.24-.029 2.49.4 3.472 1.29l.01.01L12 8.774l.851-.85.01-.01c1.046-.951 2.322-1.434 3.59-1.434 1.273 0 2.52.49 3.472 1.442z’/%3E %3C/g%3E %3C/g%3E %3C/g%3E%3C/svg%3E) 推荐 ’ fill=‘%23000’ fill-opacity=’.9’/%3E%3C/svg%3E) 留言