Sora 2与Sora App深度体验：AI视频生成的突破与挑战

在国庆假期期间，全球人工智能领域被一则重大消息所震动。

OpenAI推出了新一代AI视频模型Sora 2及其配套应用Sora App，尽管需要邀请码才能使用，但网友的热情丝毫未减，社交平台上充斥着寻求邀请码的请求。短短四天内，这款应用便空降至美国App Store免费榜榜首，超越了ChatGPT、Google Gemini等众多头部AI产品，迅速成为海外创作者、内容营销人员及TikTok卖家的新宠。

社交平台瞬间被AI生成的“同人宇宙”内容刷屏：动漫角色穿梭于现实街道，游戏角色漫步在都市中，甚至OpenAI首席执行官山姆·奥尔特曼（Sam Altman）也被网友创意恶搞——他出现在东北炕头用餐、在阿里巴巴会议室谈论“闭环”与“赋能”，甚至化身为外卖骑手在城市街头疾驰。

奥尔特曼本人将Sora 2称为“创意领域的ChatGPT 3.5时刻”。从官方演示到用户实测，Sora 2在物理逻辑、画面连贯性、真实感和音画同步方面实现了质的飞跃，被多家媒体赞誉为“将AI视频生成技术推向新高度”。

DoNews在亲身体验后认为：Sora 2确实强大，但距离“现实不复存在”的预言，仍有相当距离。

01.创造力爆发，细节仍存“AI痕迹”

Sora App基于Sora 2技术，Sora 2直接内置了对话、音效和背景音乐的自动生成能力，能够实现音频和视频同步生成，改变了以往AI视频生成工具缺乏声音的状况。

进入Sora App后，主页底部设有功能栏，从左到右依次为「视频推荐」「灵感广场」「生成器」「消息」「个人主页」。许多人将其称为“AI版抖音”，正是因为其界面及首页推荐逻辑与抖音相似——App主页为垂直视频流，用户可通过上下滑动浏览其他用户发布的内容。

其中，灵感广场用于展示热门作品。由于Sora App生成视频后，提示词会自动成为视频配文，因此热门视频的提示词可直接复制并修改后使用。

生成器是用户制作视频的核心功能区，有两点值得注意：一是不能上传用户自制视频素材，仅能通过AI生成视频；二是不支持单独撰写短视频文案——用户输入的文案会默认作为生成视频的提示词。

生成视频时，有两种特色方式可选：一是图片生成视频，二是Cameo出镜秀。Cameo是每个账号对应的虚拟数字形象，相当于用户的“专属Sora身份标识”。创建Cameo需录制一段个人脸部视频，操作步骤类似支付宝、银行类App的视频认证，验证通过后即可用自己的虚拟形象生成并发布视频。

此外，也可使用他人的虚拟数字形象，通过文生视频或图生视频功能创作，但前提是对方将形象设为公开。具体操作是：撰写提示词时点击他人头像，其ID会自动填入提示词；因此，使用他人形象发布视频时，系统会自动@该用户——这也意味着，形象设为公开即默认允许App内其他用户使用。

DoNews以奥尔特曼的虚拟数字形象和一张图片生成了一段视频，提示词为：“@sama在图片场景里说集美们，耶斯莫拉。”

在生成的视频中，Sora结合图片背景为奥尔特曼丰富了台词，奥尔特曼指向后面的店铺说：“集美们，今天带大家来看看老姐妹的店，耶斯莫拉。”台词的补充显示出AI联想能力，与场景配合较为自然，发音时人物的口型也基本能对上。

不过，并非每次生成都能一次成功。DoNews再次尝试生成奥尔特曼剥猕猴桃的视频时，剥猕猴桃的细节就出现了错误，有明显的AI痕迹。

DoNews又以奥尔特曼和另一用户的数字形象创建了一段多角色视频，提示词是：“@sama@thomasdimson扮演《后宫甄嬛传》里面的华妃娘娘和皇后娘娘，穿着清朝的妃嫔服制，用中文吵架。”系统检测到版权问题无法生成，删除提示词中的《后宫甄嬛传》后，生成就不再被拒绝。

在这段双人互动视频中，提示词只提到“用中文吵架”，而Sora再次为角色添加了台词，二人的吵架内容也符合清宫戏背景。但细节仍有瑕疵，比如中间有一句台词的声音没有对口型，后面皇后的台词错误地对应到了华妃的嘴型。

这种台词错位的情况在多角色视频中发生概率似乎较高，在DoNews之后生成的另一段多人对话视频中也出现了类似问题。

整体来看，Sora 2在物理世界理解方面确实表现不俗，用户数字人的物理效果和唇型同步效果良好，基本一致性做得不错。但涉及到多元素物体交互时，仍会出现多角色台词错位、物体交互bug的问题，保留了明显的“AI感”。

“AI配音”本身也存在缺陷：语气生硬、情感适配度低，若提示词未明确语调，生成的对话会显得机械。同时，“构思提示词”的门槛依然存在——普通用户可能因描述不细致（比如没说清场景氛围、人物动作），导致生成的视频偏离预期，而专业创作者则需花费时间优化提示词，才能弥补AI的细节不足。

02.创意ChatGPT时刻尚未到来，娱乐版抖音仍有差距

OpenAI在官方声明中，将Sora 2定位为“最先进的视频和音频生成模型”，并明确对比：2024年2月发布的初代Sora是视频领域的“GPT-1时刻”，而Sora 2直接迈入了“GPT-3.5时刻”。

从音画同步、人物ID一致性（如Cameo形象复用）到多镜头叙事的技术突破来看，Sora 2确实刷新了AI视频生成的上限，但距离“重塑创意领域”和“成为新一代娱乐社交平台”，它显然还差点火候。

“Sora 2生成的音频真实感、清晰度，把之前的AI音效工具甩开好几条街，甚至比谷歌Veo 3还略胜一筹。”小旭音乐创始人兼CEO、AIGC艺术家小旭的评价，点出了Sora 2的核心优势——易用性。它把复杂的视频生成流程简化成“输入提示词+选择形象”，尤其是Cameo功能，用户录制几秒脸部视频就能克隆专属虚拟形象和声音，门槛低到普通用户也能轻松上手。

但优势之外，硬伤同样明显。“目前生成的视频时长比较短，只有10秒钟，这在正规创作中还是显得略短。”此外，分辨率也不理想，App里无法调整画质，默认只有480P或360P，横版视频还需用PC端才能生成。在小旭看来，Sora2是瞄准AI社交去的，并非一个纯粹的AI工具。

Sora App目前采用的邀请制也可以验证这一观点，当一个邀请码注册成功后，可以再生出4个邀请码，分享给其他用户后，这些用户激活账号又能获得4个新的邀请码，如此形成裂变循环。而且一旦使用他人的邀请码，系统会自动关注邀请方，逐步构建起好友社交网络。

用户车车体验后认为，其娱乐性“远不如抖音”：“Sora上的内容更像‘自娱自乐’——每个人生成的视频都是围绕自己的虚拟形象或简单场景，没有抖音那样的话题挑战、达人生态，也缺乏能引发大众共鸣的内容，刷几条就会觉得单调。”

这种“娱乐性短板”，与Sora 2严格的限制挂钩。为规避版权、肖像权风险，它会直接拒绝生成多数真实名人、影视角色（比如前文提及《后宫甄嬛传》触发版权拦截），甚至普通人物形象的创作也有诸多约束。用户能发挥的题材空间被压缩，自然难以产出多样化、有传播力的内容——反观抖音，从生活记录到创意短剧，内容边界宽泛，再加上评论互动、合拍、话题榜等功能，社交粘性远非Sora2可比。

综上所述，Sora 2无疑是一次技术飞跃，它显著降低了AI视频创作的门槛，将此前分散的视频、音频生成步骤整合，让普通用户也能轻松体验创作的乐趣。

然而，无论是从其有限的画质与时长、纯AI生成内容导致的同质化倾向，还是技术上尚未克服的细节瑕疵来看，它距离成为引发创意领域革命的“ChatGPT时刻”以及媲美抖音的娱乐平台，仍差一口气。

对于普通用户，Sora 2是一款有趣、易上手的新玩具；但对于追求高质量、长序列和强一致性的专业创作者而言，它仍不是一个成熟可靠的生产力工具。OpenAI的这枚“炸场”新星，优点与缺点同样突出，它的真正成熟，或许还需要等待下一个版本的迭代。