Sora 正式向公众开放：生成式视频从演示走向产品

2024 年 12 月 9 日凌晨，不少国内从业者又是在深夜见证了一次产品落地。OpenAI 在它连续十余天的发布活动中，把从今年 2 月就惊鸿一瞥、却一直只对少数创作者和安全测试人员开放的 Sora，正式推向了公众。这次不只是”放出来看看”，而是以一个独立产品 Sora.com 的形态，向 ChatGPT Plus 和 Pro 用户开放，同时发布了速度显著提升的新版本 Sora Turbo。作为一个常年关注生成式 AI 的人，我觉得值得花点时间，把这次开放真正意味着什么讲清楚。

先看清楚：这次开放到底给了用户什么

很多人对 Sora 的印象还停留在年初那段”物理规律都对得上”的演示视频上。但这次面向公众的版本，参数和形态都更具体了。最高支持 1080p 分辨率、最长 20 秒的时长，提供宽屏、竖屏、方形三种比例。Plus 用户可以用 720p、10 秒的规格，Pro 用户则能用到更快的生成速度和更高的分辨率。

几个新增能力值得单独拎出来。一是”故事版”功能，用户可以为不同场景分别写提示词，再把它们串成一段连贯的视频，这其实是把视频剪辑的分镜思路交给了模型；二是支持导入自己的图片作为首帧或参考，做图生视频；三是它被直接整合进了 ChatGPT 的使用场景里，而不是一个孤立的玩具。当然也有限制：英国、瑞士和欧洲经济区暂时还不能用，18 岁以下也不开放。这些限制背后，是各国监管和版权压力的现实映射。

为什么说这是”从演示走向产品”

我在年初 Sora 第一次露面时就说过，演示视频震撼归震撼，但离真正可用还有距离。生成模型有个老问题：demo 永远是百里挑一的精品，普通用户真上手时，十次里有七八次是翻车现场。这次 Sora 面向公众，本质上是 OpenAI 主动把模型扔进了真实用户的手里，接受量产场景下的检验。这一步在产品成熟度上，比再放几个炫技 demo 重要得多。

从技术叙事看，OpenAI 反复强调 Sora Turbo”比 2 月预览版快得多”，这是有意为之。文生视频要成为日常工具，速度和成本是绕不过去的门槛——你不能让用户为一段 20 秒的视频等上好几分钟、烧掉大量算力。把生成速度压下来，才能谈得上”创作工具”，否则它永远只是一个偶尔玩一次的新鲜玩意儿。

赛道已经拥挤：Sora 不是一个人在跑

把 Sora 放回行业坐标系里看，会更有意思。文生视频这条赛道在 2024 年其实已经非常热闹：Google 在 I/O 上发布了 Veo，Runway 不断迭代 Gen 系列，Pika 走轻量化路线，而国内快手的可灵也在年中上线后快速积累了一批创作者。Sora 此时才姗姗来迟地面向公众，其实是带着”压轴”的压力进来的。

这种拥挤对整个行业是好事。竞争逼着大家在可控性、时长、一致性上快速迭代，用户的选择也越来越多。但我也想提醒一句：技术上的领先窗口期正在变短。年初还觉得 Sora 遥遥领先，年底再看，各家在画质和物理一致性上的差距已经没有想象中大。真正的护城河，会逐渐从”模型本身”转移到”工作流生态”——谁能更好地和剪辑、配音、分发工具打通，谁才留得住创作者。

从成本结构上看，这一点尤其值得影视和广告行业注意。过去一条高质量的概念短片，光前期策划和样片拍摄就要投入不菲的人力和时间，而这部分成本恰恰是生成式视频最先能压缩的。我接触到的一些小团队已经开始用这类工具做客户提案——先用 AI 快速出几版不同风格的样片让客户挑方向，定稿后再投入真实拍摄。这种”AI 探路、真人收尾”的混合工作流，很可能会在未来一两年成为中小内容团队的标准配置。技术冲击的不是某个岗位，而是整个生产链条的成本结构。

普通人怎么上手：一点实操经验

既然工具已经开放，我更愿意给读者一些能立刻用上的经验。第一，别一上来就写一句很长很笼统的提示词。文生视频和写文章不一样，越具体、越有画面感的描述，出来的结果越稳定。与其写”一个城市的故事”，不如写”傍晚的上海外滩，雨刚停，地面反光，一个穿风衣的人撑伞走过，镜头缓缓后拉”。把时间、光线、镜头运动、主体动作写清楚，模型才知道你要什么。

第二，善用故事版做分段。20 秒听起来短，但如果你把它拆成三四个 5 秒的镜头，每个镜头单独写提示词再串起来，叙事的可控性会高很多。这本质上是把导演思维交给了模型——你负责定分镜，模型负责把每一帧画出来。第三，做好”抽卡”的心理准备。生成式视频目前还做不到一次到位，同一个提示词多生成几次，从中挑最满意的一条，这在现阶段是常态，不要因为第一次效果一般就否定整个工具。

第四，也是我最想强调的：把它定位成”起点”而不是”终点”。生成出来的 20 秒素材，绝大多数情况下还需要进剪辑软件做拼接、调色、配音和加字幕。它不是让你不做后期了，而是把最耗时的”从无到有”那一步，从几天压缩到几分钟。理解了这一点，你对它的期待就会落到正确的位置上。

从业者该冷静想的几件事

每一次生成式视频的大新闻出来，都会伴随两种极端声音：要么是”电影工业要被颠覆了”，要么是”这玩意儿根本不能用”。以我的经验，这两种都不靠谱。

务实的判断是这样的。对短视频、广告分镜、概念验证、素材草稿这类场景，20 秒、可定制分镜的 Sora 已经能省下大量前期成本——过去要搭景、拍样片的环节，现在一段文字就能先出个粗剪看效果。但它离替代专业制作还很远：时长只有 20 秒，人物一致性、复杂动作的稳定性、精细口型，都还在爬坡。它最现实的定位，是专业创作者手里的一个”超级草稿机”，而不是一个一键出大片的魔法盒子。

还有一个绕不开的话题：版权与深度伪造。OpenAI 这次在系统卡片里花了大量篇幅谈安全，包括内容溯源和标识。技术越强，这道防线越重要。作为内容创作者和从业者，我倾向于认为：生成式视频会像当年的修图软件一样，最终变成行业基础设施，但”可溯源、可追责”会是它被大规模商用的前提。谁先把这套规矩立起来，谁就能拿到下一波商业化的入场券。

回到 12 月这个节点。Sora 正式开放，加上同周 Google 发布主打智能体的 Gemini 2.0，放在一起看，方向其实很清楚：2024 年底，头部厂商正在把过去一年里那些惊艳的演示，一个接一个地变成普通人付费用得上的产品。对我们这些从业者来说，与其惊叹，不如早点上手，把这些工具嵌进自己的工作流里——技术红利永远先奖励那些真正用起来的人。