金磊 发自 凹非寺

量子位 | 公众号 QbitAI

国庆假期Sora 2的横空出世那叫一个吸睛，尤其是客串（Cameo）功能，直接把Sora拉到了“AI版抖音”的高度。

但有一说一，在国内，这个玩法早就已经有了。

我们先上传一张奥特曼的照片，来感受下最近比较火的秒变风格的视频：

奥特曼在房间关上灯，画面瞬间变成漫画风格。

视频地址：https://mp.weixin.qq.com/s/B-WVA1DrFLek8e0JueLSvg

这个功能叫做参考生，来自Vidu，模型选择的是Vidu Q2。实际上Vidu 去年9月就在全球首个提出【参考生】视频功能，Vidu Q2已经是其参考生视频的第5个迭代版本了。

而同样的提示词给到Sora 2，它生成的效果是这样的：

视频地址：https://mp.weixin.qq.com/s/B-WVA1DrFLek8e0JueLSvg

可以看到，Sora 2并没有get到我们提示词里的“关灯”，而是选择碰了一下门把手，并且视频开头也是较为昏暗。

（虽然语义理解不佳，但Sora 2的优势是音视频可以一锅出。）

而且剧透一个好消息，据说在这个月底，Vidu Q2参考生视频还会迎来重大的更新。

我们已经拿到了内测资格，因此，按照老规矩，一波实测，走起~

Vidu Q2参考生视频 PK Sora2

Vidu Q2的参考生功能，从操作角度来看，一大优势就是可以上传多张图片（参考图可以多达7个），然后一句话让它们直接联动起来，像这样：

对生成视频的结果，我们还可以选择时长、清晰度、宽高比和一次生成视频的数量等：

从这个角度来看，参考生在操作上确实是要比Sora 2要灵活得多。

那么接下来，我们就进一步从不同维度来一场PK。

Round 1：一致性大比拼

毕竟一致性是视频生成领域一直以来的一大痛点，因此第一轮的比拼，咱们就来看看它俩是否能做到前后一致。

有请金牌销售——奥特曼：

奥特曼介绍一下图中的包包。

视频地址：https://mp.weixin.qq.com/s/B-WVA1DrFLek8e0JueLSvg

可以看到，Vidu Q2在生成视频的过程中，无论是包包还是人物，全程没有异常的变化。

并且放大图片做对比，包包各处拼接的颜色也是与原图高度相符：

同样的Prompt，我们再来“喂”给Sora 2，依旧是让奥特曼来介绍：

视频地址：https://mp.weixin.qq.com/s/B-WVA1DrFLek8e0JueLSvg

Sora 2依旧的优势在于奥特曼说着中文介绍着这款包包，但……

最基本的一致性却没有保持住，甚至包包各处的颜色都已经变了样，连包带儿都时而三条时而两条。

整体来看，一致性这块儿，Vidu Q2可以说是完胜了。

Round 2：物理规律遵循

除了一致性之外，另一个考量AI视频生成好坏的因素，就要属遵循物理规律了。

接下来，我们来上一点难度，参考图是这样的：

这张图的难点显而易见，就是考验大模型们是否能精准的按照物理规律，把舞者在镜中各个角度的姿态表现出来。

Vidu Q2请听题：

图中的女子在图中的舞蹈房内，从图片中的动作开始，翩翩起舞，动作流畅一致，镜面反射出舞蹈全景，镜头缓慢环绕捕捉舞蹈细节。

视频地址：https://mp.weixin.qq.com/s/B-WVA1DrFLek8e0JueLSvg

毕竟这道题目的难度系数较高，虽然还是有一点细节出错，但Vidu Q2参考生整体的表现还算是不错。

但到了Sora 2这里，“华点”就有点多了。

首先还是老问题，不允许上传包含写实人物的图像；于是，我们便替换成了一张动漫的人物：

结果……动漫人物依旧是无法生成……索性我们就直接用文字Prompt去生成：

视频地址：https://mp.weixin.qq.com/s/B-WVA1DrFLek8e0JueLSvg

从最终的结果来看，能看清的人物（包括镜面里）有3位，整体完成度较高；配上了音乐也是比较加分（虽然最后误闯进一位摄影师）。

整体来看，在遵循物理规律方面，两位选手可以说是各有亮点。

Round 3：运镜哪家强？

最后，在一致性和物理规律之后，AI视频生成中运镜的使用，也是非常加分的一点。

这次的参考图是这样的：

运镜方面，我们分了三段Prompt：

0-1s镜头1，头发飘扬，拉开弓，超近特写，背景是黑暗森林闪着奇幻的光，箭射出去。切镜头。

1-6s镜头2，黑暗游拿着弓在黑暗森林里快速跑动跳跃，镜头自由跟随，特写全身自由切换，在树林中穿梭，急速大幅度不断跳跃，闪烁。切镜头。

6-8s镜头3，一个旋转镜头环绕人脸慢动作特写，露出邪魅的笑容。

首先是Vidu Q2的表现：

视频地址：https://mp.weixin.qq.com/s/B-WVA1DrFLek8e0JueLSvg

如何？是不是有动漫片段的效果了？

镜头是仅仅跟随人物，从近景到远景再到拉近，可谓是一气呵成。

接下来是Sora 2的表现：

视频地址：https://mp.weixin.qq.com/s/B-WVA1DrFLek8e0JueLSvg

可以明显看到，Sora 2生成的切镜会更多，而Vidu是一镜到底的跟随运镜。

因此，这一轮，两者各有优势，Vidu Q2 参考生更符合日常动漫中镜头运镜语言，Sora 2的不停切镜则渲染了紧张的氛围。

中美视频生成PK，已经来到了Next Level

通过以上几个维度的实测，我们可以清晰地看到当前AI视频生成领域的发展现状 。

在这次Vidu Q2参考生视频与Sora 2的直接PK中，两者几乎打了个平手。

Sora 2在音视频同步输出方面具备优势 ，但在更关乎视频内容核心质量的维度上，Vidu Q2参考生视频展示了其独到的处理能力。

不过有一说一，这场比拼的意义远不止于评判两个模型孰优孰劣，它更揭示了行业未来的走向正逐渐被实际应用的需求所定义 。

AI视频技术能否成功的关键，在于它是否能从一个仅能生成惊艳片段的玩具，转变为一个能无缝融入创作者工作流的生产力工具 。

当下的创作者需要的不仅仅是随机、不可控的创意火花，而是能够精确执行指令、稳定复现角色的可靠伙伴。

这正是一致性等功能所具备的战略价值 。保持角色和场景、道具的一致，是实现AI短剧、AI数字人广告乃至虚拟偶像IP等一系列商业应用的基础 。

如果每一次生成的人物都面目全非，那么任何形式的叙事都无从谈起。Vidu Q2参考生视频在此处的深耕，本质上是在尝试解决AI视频工业化生产的核心难题。

即将技术转化为可规模化、可商业化的稳定产出 。

从这个角度看，构建真正的“AI版抖音”，比拼的也绝非单一的视频生成效果 。这个战场是一个包含了从创意构思到内容生成、再到精细化编辑、分发与商业化的完整生态。

△创作者@陈畅用Vidu Q2参考生制作的短片

在生态方面，Vidu 目前基于产品矩阵构建了主体库共享生态，商业化生态，创作者生态等，核心模型产品驱动的完整生态才是其最大的竞争壁垒。

因此，这场技术竞赛不仅是中美顶级模型之间的一次较量，更应该被视为AI视频生产力革命的序章 。

无论是Sora 2还是Vidu Q2，它们的快速迭代都在推动着技术的成熟和成本的降低 。

One More Thing

正如我们在最开始预告的，Vidu Q2参考生视频要在这个月底有一波重大的更新。

据悉Vidu Q2 参考生不仅能支持专业半专业用户群体的真实需求，同时也能完全满足广告电商、影视动漫短剧、互动娱乐等商业领域客户的更高要求，此外，使用体验也将对C端用户非常友好。

我们可以大胆猜测一波，生数科技Vidu这次是否也要将音频的模态容纳进来呢？

Vidu Q2体验地址：
https://www.vidu.cn/create/character2video

— 完 —

量子位 QbitAI · 头条号

关注我们，第一时间获知前沿科技动态