??頭圖由AI生成
智東西（公眾號：zhidxcom）
作者 | 程茜
編輯 | 漠影
AI視頻的競爭焦點開始轉(zhuǎn)移——
不再局限于單一畫面效果的比拼，而是聚焦可用性與開箱即用的突破。
9月底Sora 2的橫空出世便清晰傳遞出這一趨勢：其不僅以精彩紛呈的動態(tài)生成效果刷新行業(yè)認知，更通過能引入現(xiàn)實角色、提升物理模擬逼真度 、集成創(chuàng)編傳播工具等的綜合性“成片智能體”，展現(xiàn)了向易用性、實用性發(fā)展的趨勢。
這一行業(yè)趨勢逐漸明晰的當下，國產(chǎn)平臺商湯Seko早已率先布局，以實際行動重新定義AI視頻的應(yīng)用邊界。
下面的視頻就直觀展示了Seko的成片能力，這一視頻從劇本、分鏡、配音到后期均由Seko完成，并且精細到每一個細節(jié)都符合導演和編劇要求，畫面以及動畫效果也都拉到專業(yè)級。Seko用戶@聽白AIGC 生成了下面的視頻，將動漫形象與現(xiàn)實環(huán)境相結(jié)合且毫無違和感，使得整體畫面質(zhì)感提升。
▲基于Seko創(chuàng)作的商品廣告
還有下面的恐怖氛圍短片，Seko用戶@不會畫畫的美術(shù)生、@liuker?生成的視頻中呈現(xiàn)了醫(yī)院場景，從陰森的空間布局到冷冽的燈光風格，所有視覺元素全程在線、精準配合，成功營造出壓抑、驚悚的恐怖氛圍。
▲基于Seko創(chuàng)作的AI英文短劇
作為國內(nèi)首個創(chuàng)編一體的短片創(chuàng)作Agent平臺，Seko用戶規(guī)模與作品數(shù)量的快速爆發(fā)增長證明了產(chǎn)品的價值。
從工具到智能體、從畫面到成片，AI正從根本上降低內(nèi)容生產(chǎn)的門檻、提升創(chuàng)作效率、拓展表達邊界。在這場由Sora2引領(lǐng)的變革中，國產(chǎn)平臺商湯Seko是亦步亦趨的追隨者，還是另辟蹊徑的破局者？我們試圖拆解Sora 2與Seko，找到其在這場變革中搶占先機的關(guān)鍵要素。
一、“成片智能體”風起：從技術(shù)炫技到應(yīng)用為王
回溯AI視頻產(chǎn)業(yè)的發(fā)展脈絡(luò)，早期產(chǎn)品多停留在技術(shù)驗證層面，往往會通過生成各類逼真、新奇的視頻內(nèi)容來滿足用戶好奇心，如今隨著營銷、短劇、自媒體等領(lǐng)域的剛性需求爆發(fā)，其定位正逐漸向生產(chǎn)力工具轉(zhuǎn)移，而能否覆蓋從創(chuàng)意到成片的全流程，也成為衡量產(chǎn)品價值的核心標準。
9月底爆火的Sora 2以及OpenAI伴隨其發(fā)布的Sora應(yīng)用就清晰表明了這一趨勢。
具體來看，在核心生成能力上，Sora 2實現(xiàn)了全維度的性能提升。
物理模擬層面，其優(yōu)化動力學與材質(zhì)還原的可信度，能精準呈現(xiàn)對象體積、遮擋關(guān)系與光照交互，例如模擬液體潑灑時的流動軌跡、織物飄動的重力反饋均更貼近真實物理邏輯；音頻能力實現(xiàn)了音畫一體化生成，環(huán)境音、動作音效可隨畫面場景自動匹配；口型同步技術(shù)能根據(jù)對白內(nèi)容實現(xiàn)聲音與唇形的精準對齊，支持多語言對話；敘事連貫性上，強化多鏡頭邏輯銜接。
提示詞：吉卜力工作室動畫風格，畫面中一個男孩和他的狗跑上長滿青草的風景優(yōu)美的山坡，頭頂是絕美的云朵，遠處背景中還能眺望到一個村莊（in the style of a studio ghibli anime, a boy and his dog run up a grassy scenic mountain with gorgeous clouds, overlooking a village in the distant background）。
▲Sora 2生成視頻
其次是產(chǎn)品形態(tài)方面，OpenAI伴隨Sora 2推出的獨立Sora App社交平臺，通過內(nèi)置的Cameo（角色引入）功能，用戶可創(chuàng)建高度逼真的個人數(shù)字分身，無縫植入任意Sora 2的生成場景，還能授權(quán)好友使用自己的形象實現(xiàn)多人同框創(chuàng)作。
相比上一代產(chǎn)品，Sora 2正向著更符合用戶實際創(chuàng)作需求的工具轉(zhuǎn)型。
但值得注意的是，Sora 2的生成本質(zhì)上仍是“黑盒式”輸出，因為用戶輸入指令后需等待系統(tǒng)完整輸出，無法對中間環(huán)節(jié)進行干預(yù)調(diào)整，即便使用千字級的詳細提示詞，也可能出現(xiàn)與預(yù)期偏差的生成結(jié)果。
因此在實際應(yīng)用場景，這對追求精準表達的商業(yè)創(chuàng)作而言，無疑意味著不可預(yù)知的時間損耗與修改成本。
反觀國內(nèi)，商湯科技今年8月推出的Seko就在成片智能體的基礎(chǔ)上，實現(xiàn)了“可控式閉環(huán)”。
Seko可以做到自動劇本拆解、分鏡生成、角色一致性控制等，來生成高質(zhì)量AI視頻，與Sora 2在成片智能體核心能力上實現(xiàn)對標。下面Seko用戶@豆芽AI筆記本 生成的視頻中主體角色整體一致，畫面跟隨人物移動時也沒有出現(xiàn)偏差。
▲基于Seko創(chuàng)作的AI短劇
與Sora 2不同的是，Seko支持實時可編輯，非一次輸入、一次輸出，甚至可對分鏡畫布局部修改，消除、重繪、元素添加等，讓用戶通過精細化編輯實現(xiàn)“所見即所得”。
▲Seko分鏡畫布局部修改功能
盡管當下AI視頻發(fā)展距離規(guī)模化應(yīng)用還有一定距離，但當下我們可以確定的是，其行業(yè)競爭正在從單一效果比拼轉(zhuǎn)向全鏈路價值競爭，也就是“成片智能體”在AI視頻工具中逐漸成為共識。
二、解碼“成片智能體”概念，讓AI視頻開箱即用的關(guān)鍵
以“成片智能體”應(yīng)具備的能力為標準，我們看到Sora 2和Seko的部分能力設(shè)定高度趨同，都朝著讓AI視頻生成開箱即用視頻、零門檻出成片的目標進階。
需要注意的是，即便二者在降低創(chuàng)作難度、覆蓋全流程需求等方向上高度趨同，但實現(xiàn)路徑呈現(xiàn)鮮明差異，Sora 2強調(diào)的是端到端直接輸出，Seko則看重生成過程中各環(huán)節(jié)進行可控性編輯。
先來具體看下兩大平臺的相似與不同之處。
首先，降低使用門檻的前提是，讓AI能聽懂用戶的日常表達，減少對專業(yè)工具的依賴。
Sora 2和Seko都可以理解用戶的日常用語，不需要更為專業(yè)的術(shù)語即可生成相應(yīng)的視頻內(nèi)容，打破AI視頻創(chuàng)作對專業(yè)知識的依賴。
在實測體驗時，當智東西輸入“小羊介紹新疆伊犁的美麗景色，一只擬人化的小羊羔，超寫實風格”的提示詞，其就會生成策劃摘要、美術(shù)風格、角色主體、場景概念、音樂風格、分鏡劇本。
此外眾所周知視頻的創(chuàng)作需要不同的工具進行音畫比配、物理模擬等，Seko將復(fù)雜技術(shù)環(huán)節(jié)全部封裝為后臺自動流程，用戶無需手動調(diào)試參數(shù)，更無需借助剪輯、配音等第三方工具，就可以實現(xiàn)輸入想法就能得到視頻的體驗。
Seko近日上線的新功能還支持一鍵制作多人對口型視頻，基于SekoTalk這個商湯自研的圖生視頻對口型算法，在音樂MV、劇情視頻、廣告等領(lǐng)域都可以應(yīng)用。在下面的視頻中，它支持中英文等多種語言、多人對口型，包括輪流說話或者同時說話的情況，即使是語速超快的說唱也不會出現(xiàn)偏差，已明顯優(yōu)于Sora 2的效果。
▲基于SekoTalk創(chuàng)作的多人對口型視頻
其次是端到端直接輸出與極致的可編輯性，這也是Sora 2和Seko兩大成片智能體最核心的區(qū)別。
Sora 2和Seko均可以覆蓋創(chuàng)作的全鏈路，其支持多模態(tài)輸入，用戶能通過文本描述構(gòu)建場景、上傳參考圖定義角色外觀，可一次性完成從創(chuàng)意拆解、理解復(fù)雜指令到成片輸出的端到端貫通。值得一提的是，此次Sora應(yīng)用新增的Cameo與Seko的主體功能類似，都是通過生成統(tǒng)一的角色，保證后續(xù)生成內(nèi)容的主體穩(wěn)定、一致。
▲Sora 2的Cameo功能（左）、Seko的主體功能（右）
在此之上，Seko還進一步將生成內(nèi)容進行了細化拆解，打造了“先靜后動”流程，將創(chuàng)作分為分鏡確認、細節(jié)修改、視頻生成幾個階段，具體來說就是，平臺先根據(jù)用戶創(chuàng)意生成靜態(tài)分鏡序列，經(jīng)用戶逐幀檢查畫面內(nèi)容后，可以直接通過自然語言指令重繪角色、調(diào)整臺詞或鏡頭角度，最后都確認無誤后再一鍵轉(zhuǎn)視頻。
為了進一步確保成片的可控性，Seko還具備分鏡靜態(tài)預(yù)覽、分鏡畫布局部修改等功能，允許用戶在每個環(huán)節(jié)，對生成內(nèi)容進行修改，如直接要求“把圖中的小羊換成牧羊犬”等，系統(tǒng)能精準完成修改。
▲Seko局部修改功能
當用戶確認了分鏡的主體、視頻內(nèi)容、文字內(nèi)容，就可以在右上方點擊一鍵轉(zhuǎn)視頻。相比于Sora 2的一鍵成片，Seko的成片方式給予了用戶更大的自由創(chuàng)作空間。
最后是成片質(zhì)量方面，相比于早期的工具，Sora 2、Seko在視頻生成內(nèi)容的鏡頭穿幫、音畫不同步等問題上，已經(jīng)基本實現(xiàn)了超長分鏡的穩(wěn)定輸出。
在此基礎(chǔ)上，Seko平臺還更進一步，集成了商湯日日新、即夢、可靈、海螺等多款業(yè)界主流生圖模型，用戶基于該平臺能精準控制多角色、多場景的復(fù)雜劇本輸出，確保角色形象、光線風格、動作邏輯全程穩(wěn)定。下面Seko用戶@不會畫畫的美術(shù)生 生成的視頻中，Seko將背景音樂、鏡頭轉(zhuǎn)換等諸多設(shè)定都與劇本內(nèi)容相呼應(yīng)。
▲基于Seko創(chuàng)作的AI英文短劇
這些技術(shù)突破共同指向，AI視頻生成正朝著“成片智能體”進化，其核心是通過極簡交互、全流程貫通與高質(zhì)量輸出降低創(chuàng)作門檻。
商湯科技的Seko在此基礎(chǔ)上基于分鏡預(yù)覽、可控式流程等關(guān)鍵能力，在視頻生成的可控性與商業(yè)可行性兩大關(guān)鍵維度上率先落地，讓“成片智能體”真正從技術(shù)概念變?yōu)橛|手可及的生產(chǎn)力工具。
三、從不可控到可落地：Seko重構(gòu)AI視頻商業(yè)化價值邏輯
Sora 2和Seko的發(fā)展讓我們看到了AI視頻商業(yè)化落地的潛力，但當我們將視野放大到整個生成式AI行業(yè)會發(fā)現(xiàn)，想要讓AI視頻生成真正實現(xiàn)拿來即用，遠比圖文生成復(fù)雜得多。
視頻創(chuàng)作需同步處理畫面渲染的時序邏輯、音頻合成的情緒適配、物理模擬的真實反饋等多重難題，任何環(huán)節(jié)的斷層都會讓生成的視頻出現(xiàn)偏差。
正因為這種復(fù)雜性，Sora 2與商湯Seko在“成片智能體”的定位上，也呈現(xiàn)出了差異化的思路，前者聚焦從輸入到輸出的高質(zhì)量端到端交付，后者則在保證成片質(zhì)量的基礎(chǔ)上，強化了全流程創(chuàng)作的自主、可編輯與可控性。下面Seko用戶@林龍 生成的視頻中，伴隨著鏡頭的變化將拯救公主的故事進行了完整呈現(xiàn)，還融入了逼真的特效。
▲基于Seko創(chuàng)作的AI短片
正如前面所提到的，創(chuàng)作可控性在AI視頻生成中至關(guān)重要，這也是Seko相比Sora 2等其他工具的顯著優(yōu)勢，其核心可概括為創(chuàng)意可控、風格可控、成本可控。
創(chuàng)意可控基本貫穿了前期用戶創(chuàng)作的全流程。
用戶輸入核心創(chuàng)意后可進入編輯模式，對畫面細節(jié)不滿意可直接修改提示詞重繪單幀分鏡，覺得臺詞生硬能逐句調(diào)整文案并同步更新配音，想優(yōu)化敘事節(jié)奏可直接增減分鏡或調(diào)整鏡頭結(jié)構(gòu)。
這種先確認靜態(tài)效果、再生成動態(tài)視頻的設(shè)計，可以幫助用戶在早期修正創(chuàng)意偏差。
其次是風格可控，Sora 2的模型體系相對單一，Seko采用了多模型集成和智能匹配策略，集成了全行業(yè)主流生成模型，支持用戶自主選擇相應(yīng)模型。
最后是成本，Sora 2雖能生成高質(zhì)量畫面，但其千卡級算力消耗帶來的隱性成本，讓中小商家和個人創(chuàng)作者難以負擔。
根據(jù)實際用戶反饋，Seko已將單分鐘動畫成本從傳統(tǒng)方式的數(shù)萬元降至千元級別，降幅超99.5%以上，讓中小企業(yè)和個人創(chuàng)作者也能負擔專業(yè)級制作。
此外還需注意的是，Sora 2目前仍采用邀請制，并沒有免費向大眾開放，導致大量潛在用戶無法直觀體驗。再加上用戶紛紛在社交平臺上傳Sora 2生成的短視頻，涉及諸多熱門影視節(jié)目角色，使得其在版權(quán)方面的監(jiān)管被廣泛質(zhì)疑。
目前，Seko已經(jīng)全面向用戶開放，其上線1個月就擁有超10萬名創(chuàng)作者，生成視頻內(nèi)容超50萬條。這些真實的用戶案例和數(shù)據(jù)，是Seko開箱即用潛力最有力的證明，其讓AI視頻創(chuàng)作變?yōu)榭深A(yù)期、可調(diào)整、可落地的過程，這也成為其區(qū)別于同類產(chǎn)品的核心競爭力。
結(jié)語：AI視頻競爭回歸實用價值，Seko憑可控+普惠領(lǐng)跑
當下AI視頻產(chǎn)業(yè)的發(fā)展意味著，其競爭正在回歸到價值本身，即能否以更低門檻、更可控過程和更低成本為用戶交付可用成果。
Sora 2與商湯Seko共同指向的“成片智能體”，正是破解視頻生成普及難題的關(guān)鍵。商湯Seko通過創(chuàng)作可控性和商業(yè)普惠性，正在將這一藍圖變?yōu)橛|手可及的商業(yè)現(xiàn)實。這條本土超越之路，或許正是AI視頻普及的關(guān)鍵路徑。
此外，Seko還有一大獨特優(yōu)勢是集合多種大模型，未來或許也會接入更多模型的能力，為用戶提供1+1＞2的更優(yōu)成片效果。
