从“牛顿时刻”到“鸡肋时刻”：微软免费 Sora 的尴尬首秀

本文来自微信公众号：直面 AI，作者：涯角，编辑：肖阳，题图来自：AI 生成

微软将 Sora 免费了，但却已经晚了。

前天，微软 Bing 宣布在其应用程序中推出 Bing 视频创作器（Bing Video Creator），该功能基于 OpenAI 的 Sora 模型，允许用户通过文本提示词生成视频。这也是 Sora 首次面向用户免费开放。

就在昨天，Manus 推出原生文生视频，嵌入进了自家 Agent 的工作流中。

一个是默默关注 Sora、OpenAI 背后的 " 大东家 "，另一个则是 AI Agent 里的 " 新秀 "，两方在自家产品生态中上马文生视频的时间点几乎是一样的。可见，微软这一步棋到底慢了多久。

从 Sora 代号第一次问世到现在，整体局面的发展路径很像："微软想要，OpenAI 不给，但最后微软如愿以偿得到了 Sora 的副产品"。

为什么说它是 Sora 的副产品？因为微软上线的 Bing 视频创作器从产品力和宣传上来讲，很难说得上是个完整的产品。

当微软终于宣布将它免费向用户开放时，这个消息并未掀起预期中的热潮，反而透着一股尴尬的迟到感。网友对这款产品的 " 自来水 " 评价很差，甚至直言：我们已经有了可灵和 Veo，为何还用 Sora？

Sora，这个曾被 OpenAI 寄予厚望、甚至被誉为 "AI 视频领域的牛顿时刻 " 的模型，自诞生之日起便充满了戏剧性：不断延期、高昂的定价、复杂的安全风险，让市场对它的期待逐渐消退。如今微软通过 Bing 上线了免费的 "Bing 视频创作器 "，但它却显得有些 " 食之无味，弃之可惜 "，从产品力到用户反馈，都难以令人满意。

下面让我们来看看，在微软与 OpenAI 的复杂博弈中上线的 Bing 视频创作器，到底体验如何？

一、微软的 Sora，这回表现如何？

当 OpenAI 首次官宣 Sora 时，"Sora 的诞生是牛顿时刻 " 的说法迅速刷屏网络，甚至激发了诸多科技大厂的产品灵感与探索方向。当时的 OpenAI 用实际宣发告诉所有人：AI 得这么玩。

尽管如今文本生成视频已经成了 " 烂大街 " 的常规功能，但在当时几乎只有 Sora 成功出圈了。

虽然经历了一次次延期，但 OpenAI 的深厚技术底蕴依然稳固，Sora 的视觉表现虽不能称得上顶尖，仍旧处于业界第一梯队。如今，这个备受关注的明星产品也终于免费上线微软的 Bing 视频生成器，用户可以直接体验。

不过，免费归免费，微软的 Bing 视频生成器目前仍存在明显局限：视频长度仅限 5 秒，画面比例只有 9:16 可选，且同时最多只能排队生成三个视频。更尴尬的是，其生成速度也颇为感人，Fast 模式尚需几分钟，Standard 模式甚至要耗费数小时，难免让人怀疑微软究竟获得了 OpenAI 多少的资源支持。

没错，这个 " 产品 " 只有下面这 4 个可选项：

我们实际测试了两个案例，来看一看 Bing 视频生成器和现在的 SOTA 模型相比，效果如何：

（1）羊驼穿西装在冰上跳舞

提示词：

一只羊驼穿着蓝色的西装，像人一样双腿直立，在中央公园的冰面上跳着动感舞曲

An alpaca wearing a blue suit and standing upright on its legs like a human being， dances a dynamic dance on the ice in Central Park

Bing 视频生成器：

画面主体羊驼辨识度低，背景 AI 感强烈，动作虽流畅，但整体质感回到了一年前。如果我不提谁能看得出来这是只羊驼？

Sora：

紧接着，我同样用 OpenAI 的 Sora 试了下一模一样的提示词。画面的视觉效果明显上了一个层次，无论是颜色的层次感、画面主体的动作流畅度，甚至是冰面的阴影的显示都很真实。

可灵 2.1

接下来就是可灵 2.1 大师版了。虽然用最新出的模型去对比 Sora 有点欺负人，但是 2.1 的普通模式无法文生图，也就只能出出血，拿大师版试一下了。

可以看得出来，运镜设计创意比较好，画面连贯且风格统一，动作复杂性和自然程度也很高。

即梦：

相比之下，即梦的效果就比较抽象了。风格略显割裂，背景像是绿幕效果，动作重复且表情僵硬，整体表现不佳。我很怀疑是否是我的提示词给错了。

Veo3：

谷歌的 Veo3 效果依旧耐打，视频整体视觉效果流畅，画面连贯性比较好。色彩正常偏明亮，动作和表情也比较自然不僵硬。但是没有运镜，镜头语言比较单一。Veo 3 的真实感和流畅度确实都很好。

（2）玻璃茶杯中的旋转光芒

一个空的玻璃茶杯内有旋转的彩色光芒，杯身放置在木桌上，木桌上映出茶杯明亮的倒影。镜头缓缓向茶杯靠近。

An empty glass teacup with a swirling colored glow inside is placed on a wooden table， which reflects the bright reflection of the teacup. The camera slowly moves closer to the teacup.

茶杯这个例子是我从 Bing 视频生成器的官方推荐灵感库里找到的，效果只能说勉强贴合提示词，但色彩生硬，整体视觉感受奇怪。

OpenAI 的 Sora 在动态光效上的呈现能力确实比较强，画面非常协调，光芒以很柔和的方式随着液体闪动，桌面上的倒影也很真实。

可灵 2.1 的视频流畅度比较好，桌面的倒影非常真实，会随着光线变化而变化。这显示了可灵对物理效果的理解。但茶杯内的流光有些单薄，没有完全达到提示词的要求。

即梦在动态效果上的表现也还是比较好的。视频流畅美观，色彩和谐饱和度高，运镜也非常自然，但是未能贴合提示词生成一个空茶杯，语义理解能力稍显不足。

经过一番体验，Bing 视频生成器整体呈现的水平似乎还停留在 2024 年的水准。视频时长、画面比例、生成速度以及多模态融合功能上的明显短板，都让我感到力不从心。此外，它在处理复杂提示词时的准确性也难称得上满意，距离用户的期望值还有明显差距。

我还放了几个官方 Case，大家可以自行评判效果：

二、Sora 免费了，但已经晚了

如今，围绕 AI 下半场的讨论热火朝天，但无论争论的焦点如何变化，"AI 下半场比拼的是产品能力 " 已经成为行业共识。然而，OpenAI 旗下的 Sora 产品因价格高昂和发布延期，几乎已从主流 "AI 视频工具 " 的竞赛中 Out 了。

从 2024 年初开始，现象级别的 Sora 带给所有关注者的不是惊喜，而是不断的懵圈：不断延期的同时，每隔一段时间就释放一些新的令人惊艳的 " 小道消息 "，展示自身的强大能力。终于，在年末时，Sora 终于发布了，奥特曼甚至称它为 " 视频版的 GPT-1"。

但在这个等待的过程中，OpenAI 留给了一众竞争对手追赶的生存空间，现在的它们早已完成了多次重大更新和迭代。像是快手的可灵、字节的即梦、通义万相的 WanX、谷歌的 Veo 等新玩家都熬成了顶级老玩家。

媒体 VentureBeat 在一篇评论中直言："Sora 上市时万众瞩目，但不到一年，其光环已经大幅褪色。"Sora 的发布频繁跳票，错过了 AI 视频产品的黄金发展期，其背后离不开大东家微软与 OpenAI 之间错综复杂的博弈。

微软与 OpenAI 在 AI 领域的合作关系，从一开始发展得非常要好到 " 心生嫌隙 "，几乎贯穿了这款产品的研发周期。从 2023 年下半年开始，自 OpenAI 推出自有企业版产品之后，微软就不再 " 完全相信 "OpenAI 了。

在那场围绕 OpenAI CEO 奥特曼的宫斗风波中，微软深度介入协调，但双方管理层之间仍旧出现了很多矛盾：员工之间互相不爽，OpenAI 团队依靠自有技术高人一等，微软团队也对分享前沿技术持保守态度。这个时候，微软内部就已经有呼声希望尽快将 Sora 整合进产品线了。

在 2024 年，微软招揽 Mustafa Suleyman 负责自家 AI 业务，更加明确了 " 摆脱对 OpenAI 依赖 " 的意图。Salesforce CEO Marc Benioff 更是爆料称，奥特曼与 Mustafa Suleyman 的关系不睦。

大家普遍认为：微软与 OpenAI 的蜜月期宣告结束。在这段时间里，Sora 的发布策略一改再改。可以说，2024 年微软与 OpenAI 围绕 Sora 乃至整体合作关系，上演了一场错综复杂的博弈。

此外，Sora 自身在安全性上的问题迟迟未能有效解决。YouTube 曾公开指责 Sora 侵犯其数据版权。虽然一番风波中，有枪打出头鸟的嫌疑，但是自从 Sora 代号公布以来，麻烦确实不断。总结成一句话：微软想用 Sora 当王牌拯救产品线，OpenAI 则碍于一系列考虑不断推迟。

微软这回围绕免费版 "Sora" 推出的一系列市场推广动作，却让用户好感度骤降。比如，微软选择在 Bing 平台上线 Sora 而非旗舰 AI 平台 Copilot，这是否是微软游移不定的最佳证明？再有，Bing 上利用 Sora 视频生成时还需要赚积分操作，生硬的推广也让大家 " 愣神一秒 "。

与此同时，市场上涌现了如 Kling、Vidu AI、即梦、PixVerse、WanX、谷歌 Veo、Luma 和 Runway 等一大批优秀的 AI 视频生成工具。Kling 早在 2.0 版本时便宣称在物理引擎和叙事连贯性上超过了 Sora；谷歌的 Veo 系列甚至支持了高品质 AI 配乐和音效。

反观 Sora，承诺的单次 60 秒视频生成至今未完全兑现，用户实际最多只能体验 20 秒的输出效果。可以说，如今的 Sora 虽然免费，但在技术表现和用户体验方面已很难与竞品保持竞争力。更何况，这一年中，中国厂商纷纷将成本压到什么等级，所有用户有目共睹 。

可以说，微软这回搞的免费版 Sora，真的有点晚了。

三、中国厂商后来者居上，优势能保持多久？

Sora 刚问世时，曾给国内 AI 视频行业带来了巨大压力。如今，尽管微软将 Sora 免费开放，但在文本生成视频领域，黄金窗口期似乎已被错过。不过，微软毕竟是微软，庞大的 Windows 和 Office 用户生态，加上必应这一强大的入口渠道，能迅速放大 Sora 的影响力，触达到数量巨大的普通消费者。

过去的一段时间中，中国的 Kling、Vidu AI、即梦、PixVerse、WanX 等一众产品已经经过了无数次的迭代，其中像是 Kling 等产品都已经成功跑通商业化。

Sora 就像达摩克利斯之剑，一直悬在国内外众厂商的头顶上。没人知道，Sora 的到来，是否会瞬间变革一切。Sora 本身的性能可以说仍在第一梯队，其流畅性一直被人津津乐道。这回有了微软这家 " 横跨 PC 时代，移动互联时代，云计算时代，并且在每一个时代都引领潮头的超级巨厂 " 在产品端的下场，Sora 得到的助力将会远超以往。

" 工业化 + 产品化 " 被认为是 AI 视频生成赛道的下半场的答案之一。Sora 如果能获得一个宝贵的场景入口，可能就会从现在的困局之中抽身开来，转入新赛道。一个场景入口的重要性，我们其实已经在 Anthropic 的身上看到了。现在的 AI 大营销时代下，基础模型最怕的不是 " 技术落后一丝 " 而是默默无闻。

" 已经晚了 " 并不意味着没有机会了。

可以预计，微软开放 Sora 将迫使竞争对手们加速创新，推出更优服务。国内 AI 视频厂商想必都感受到了一些冲击。之前，他们通过快速迭代，从而在 AI 视频效果的各个领域积累起来的优势，俨然无法让大家继续安心前行。

AI 视频生成领域可以说是一个 " 强技术、高变动 " 的赛道，这条路有多难走，国内大厂有话说。比如，百度 CEO 李彦宏就曾在 2024 年第三季度内部会上明确表示：" 百度不碰 Sora 类的视频生成。" 他认为 To B 业务应尽量避免那种 " 吃力不讨好 " 的定制项目，而应推出标准化产品。

阿里巴巴通义团队的 AI 视频生成模型 WanX2.1 的开源策略，也走出了一条独特的道路，在开源的领域蚕食关注力。

Sora 会跑的多快？我们无法预测，但是中国厂商仍需提速。过去一年，谷歌 Veo2、Veo3 在性能上的领先幅度非常大，但高昂的成本令市场反应平淡；反而是价格适中、性能更均衡的 Kling 等产品大受欢迎，迅速积累了 2200 万用户。

" 免费 " 策略对用户的心理冲击是巨大的。尽管微软的免费行动更像是被动追赶，而非主动创新，但在巨头资源的加持下，Sora 仍可能引发新一轮行业竞争。

Sora 能否凭借免费重回巅峰？国产厂商们还能保持多久的领先优势？或许答案并不遥远。毕竟在 AI 时代，" 谁跑得更快 " 比 " 谁先起跑 " 更为关键，先行者需要不断提速，追赶者则希望弯道超车。

本文来自微信公众号：直面 AI，作者：涯角，编辑：肖阳