为什么AI视频工具长得越来越像？

距离OpenAI发布Sora过去一年多，AI视频赛道上演了一出「王座交替」的爽文故事。

在Sora发布后，AI视频赛道玩家以对标它为目标，流传在社交媒体上的一张梗图是这样描绘的：坐在王座上的Sora看着眼前膜拜者——Runway、Pika、PixVerse等十余个竞对。

但现在随着可灵、即梦等中国玩家成为牌桌上的新玩家，总被吐槽「期货」的Sora光芒逐渐变得黯淡，一位AI视频从业者告诉「硅基研究室」，对标Sora早已不是他们的目标，现在他们把关注点放在加快缩短AI视频生产和消费间的GAP。

在不少AI论坛的现场，AI视频玩家们谈Sora的少了，谈DeepSeek的多了，这背后是对AI视频加速商业化和普及的一种期待。

似乎也是某种默契，进入2025年，不到半年时间里，AI视频玩家纷纷发布最新的视频生成模型和产品更新，AI视频的战火也越烧越旺。

从着力解决视频生成的一致性和可控性再到降低产品门槛，增强可编辑能力，融入工作流，让产品更好用，行业玩家也以一个月，甚至是半月一迭代加速AI视频落地，但新的问题也逐渐摆在台前。

有多位中腰部AIGC创业者向「硅基研究室」表达了自己的焦虑，从商用角度看，当前AI视频落地还存在诸多困难，商单报价在走低，抽卡不稳定下，制作成本还是偏贵。

除此以外，就现有产品功能看，「硅基研究室」梳理发现，多数AI视频产品功能正趋于同质化——除了创意特效外，大多数AI视频产品都支持主体参考、音效生成、多模态编辑等，随着功能的丰富、选择的增多，也将赛道玩家间视频生成的质量、成本和交互形式等能力的竞争摆在了眼前。

这也意味着，即便不提Sora，国产AI视频玩家的压力也并没有减轻。

一、不提Sora的AI视频玩家，在卷什么？

比起此前对生成时长、模型参数的强调，大半年来，不提Sora的AI视频玩家将这场「军备竞赛」的重点放在了三个维度上——卷一致性、卷可用性、卷可玩性。

所谓的「一致性」指的是视频生成过程中帧与帧之间的过渡性、动作的连续性和场景的真实性等。

由于视频画面往往包含了人物角色、道具、环境等不同元素，如何在生成过程中实现这些元素的交互，在连贯视频内保持一致性，这也是AI视频玩家长期一直在解决的问题。

而在卷「一致性」上，AI视频玩家的动作也整齐划一。

一方面是提升图生视频能力，比如增加首尾帧、笔刷工具和多图参考等，让用户自定义视频的开头和结尾的同时，笔刷支持运动方向控制，模型可以根据用户上传的参考图像提取人物、场景或风格特征，从而保证生成内容中的一致性。

在输入端加强控制力，不止是卷首帧。包括Runway在内的AI视频玩家还在输入端就打出多模态融合，比如视频转视频、多图混合生成等。

去年10月，Runway就推出了Act-One功能，用户可以直接录制一段视频，将素材中对象的面部表情直接转移到AI生成的角色上。

「一致性」本质上是为了视频生成的质量，这又与底层模型性能和训练数据的质量相关，目前走在前列的AI视频玩家虽并未高调大打「基模牌」，但强大底座模型的稳定迭代是头部玩家的标配。

快手自去年6月推出可灵大模型后，目前可灵大模型已迭代至2.0版本，字节低调上线Seaweed和PixelDance，Runway在今年4月推出Gen-4，同月生数科技也发布Vidu的Q1模型，头部AI视频玩家至少保持半年一次基座模型更新的节奏。

而所谓的卷「可用性」则是完善创作者工作流相关配套工具。

AIGC从业者可可告诉「硅基研究室」，据她观察，在「可用性」上，创作者主要关注三个核心问题：

一是动态编辑能力，可以围绕视频一次性生成的结果进行再调整；

二是镜头运动能力，包括大幅度运动、特色运动视角等等，这体现画面表现力；

三是端到端能力，包括从分镜、视频生成、音效、剪辑到分发的一站式能力。

针对动态编辑，目前可灵等玩家支持多模态编辑，给视频替换、添加或删减元素，比如Pika推出的Pikawaps；而在端到端能力上，标配的「音效生成」，即梦的「故事创作」模式可批量生成分镜，Runway也上线了视频编辑器。

除了一致性、可用性外，通过创意特效和模版卷「可玩性」则是不少玩家引流的关键手段。

吃到这波红利的典型代表也有不少，比如靠着Pikaffects、Pikadditions走红互联网的Pika，靠着毒液效果走红的PixVerse，还有承接GPT-4o吉卜力风流量外溢的Vidu……

「硅基研究室」梳理发现，多数AI视频产品功能正趋于同质化，所谓的「特色功能」会很快被相互借鉴。

除了创意特效外，大多数AI视频产品都支持主体参考、音效生成、多模态编辑等，有业内人士表示，这是正常现象。“现在AI视频的交互形式和产品形态各家都还在探索，互相抄作业和‘致敬’很正常。”

二、AI视频难打「价格牌」

更多的工具、更丰富的功能，厂商打着「人人都是导演时代」的口号，但有AI视频创作者却觉得越来越焦虑了。

2024年抱着对AI视频的好奇，可可开始尝试AI视频创作，就是「焦虑大军」中的一员，从2024年下半年开始，她明显感觉到AI视频玩家加速迭代模型和产品，甚至是以周为单位。

但快速迭代下，像可可这样的腰部创作者正在经历阵痛——降不下去的制作成本，被逐渐压低的报价。

「硅基研究室」了解到，AI视频多为定制化项目，一般按照视频时长（每秒）或镜头数报价，一般三分多钟的AI短片制作周期在1-2周，但可可提到，随着客户对AI视频降本需求的增加，预算也在降低。

与之对应的则是AI视频工具坚挺的价格。以可灵2.0为例，目前2.0生成一条5秒钟的视频需要100灵感值，黄金会员月费58元可获得660灵感值，能抽卡6次，一次生成约为10元。

可可提到，如果对画质要求低，单个镜头(一般1-5s）需要抽卡5次左右，这意味生成一个镜头就需要50元，如果涉及更复杂的场景和效果抽卡次数可能高达数十次，她曾经单个镜头抽卡次数达40次，以此计算，单个镜头就需要400元，一个三分钟的AI短片在不算人力成本下保守估计就要数万元，和她此前的制作成本相比，是不划算的。

较高的成本，这也是为什么有一批AIGC创作者并未使用新版本，而是继续使用可灵1.6的原因所在。

有业内人士也提到，此次可灵2.0主要针对是影视商用领域，并非是如可可此类的小B用户。

据可灵此前发布的《AI影像创作者手册》，中信证券测算其单部短剧（3.5分钟）成本测算约为8100元，即便可灵2.0很贵，但与真人短剧制作成本相比，依旧能看得见降本的空间，但降本幅度在缩减。

梳理主要AI视频玩家的商业化方案，「硅基研究室」认为，比起此前各大主流模型厂商掀起的「价格战」，推动行业迈入「按厘计价」时代，视频大模型的价格下降趋势并不明显。

C端目前采取的阶梯付费订阅模式，国内对比国外玩家价格优势明显，比如大打价格优势的Vidu甚至效仿DeepSeek上线了「错峰模式」。但在最先进模型上，头部厂商的定价并未松动，譬如可灵2.0生成一个5s视频约为10元，而Runway Gen4则为8.6元。

反倒是在B端API上，国内厂商的价格优势明显高于国外厂商。

一位行业人士预测，短期内视频大模型的定价不会出现激烈的变化。

一方面，从现有产品层看，尽管目前开源视频生成模型中也不乏如阿里通义万相Wan2.1等玩家，但取得身位领先的依旧是闭源大模型。阿里万相团队在技术报告中也提到，目前视频生成赛道，尽管开源模型与闭源商业模型间的差距在不断缩小，但目前还存在性能不佳、能力有限、效率不足等问题，Sand.ai创始人曹越也提到，在视频生成领域，技术路径还尚未收敛。

另一方面，降价本质上也是一种定价营销策略，目的也是让更多人将AI视频用起来，但前提是产品形态和交互已经ready，但现阶段各大厂商还在探索产品形态，不断完善AI视频生产环节，如前文所说，去跨越生产和消费那道鸿沟。