Sora 正式开放
视频生成跨过门槛

等待了两年的靴子，终于落地了。

6 月 25 日，OpenAI 正式向所有 ChatGPT Plus 用户开放 Sora 视频生成功能。不是 waitlist 排队，不是邀请制内测，不是精心挑选的 demo——是每个月付 20 美元的普通用户，打开 ChatGPT 就能用的真正产品。

这一天的意义不亚于当年 ChatGPT 首次开放：它标志着 AI 视频生成正式跨过了"可用门槛"。过去两年里，AI 视频工具一直停留在"生成几秒钟的猎奇片段、社交媒体上看热闹"的阶段。而今天的 Sora，已经是一个可以支撑真实生产流程的工具。

Sora 带来了什么？

正式版 Sora 的参数表，每一个数字都在改写行业认知：

支持 1080p 分辨率、最长 60 秒的视频生成——这已经覆盖了绝大多数短视频广告的时长需求。更关键的是镜头语言控制：用户可以指定推、拉、摇、移、跟等运镜方式，AI 会按照电影语言的逻辑生成流畅的镜头运动，而不是之前那种"画面在动但没有镜头感"的僵硬抖动。

角色一致性是另一个质变。过去 AI 视频最大的痛点之一是"同一个人在镜头里脸一直在变"，根本没法用于叙事。正式版 Sora 支持参考图锁定角色，生成的人物在整个 60 秒里保持五官、服装、体态的高度一致——这意味着 AI 终于能拍"有人物的故事"了，而不只是风景和空镜。

此外，Sora 支持文本+图像混合输入：你可以上传一张产品图，让 AI 围绕这张图生成视频；也可以上传分镜草图，让 AI 按照你的视觉风格生成动态画面。这个能力对广告和电商行业是核弹级的——因为它意味着"用 AI 改片"成为可能，而不只是"用 AI 凭空生成"。

国产三强：视频赛道中国更猛

Sora 开放的同一周，中国 AI 视频团队也密集放出大招，节奏几乎像是约好了一样。

快手旗下的可灵 AI 日活突破 1000 万，成为全球日活最高的 AI 视频产品。可灵的优势在于对中文语境和中国用户需求的理解——生成中式场景、亚洲面孔、本土化剧情的质量在很多评测中已经超过 Sora。更重要的是，可灵深度嵌入快手生态，用户生成视频后可以直接发布到快手平台，形成了"生成-分发-变现"的闭环。

字节跳动的即梦 AI 同期宣布支持 4K 分辨率视频生成，是全球首个量产 4K AI 视频的产品。4K 意味着 AI 生成的视频第一次达到了专业播出标准——不仅能发抖音，还能上电视广告、能投户外大屏、能进院线贴片。

Vidu（生数科技）则选择了一条差异化路线：主打实时视频生成。用户在对话框里输入文字，视频几乎同时开始播放，延迟控制在 3 秒以内。这种"实时交互"的体验，把视频生成从"渲染等待"变成了"对话式创作"——想象一下，你跟 AI 说"把光调暗一点""让主角转身""背景换成海边"，视频即时变化，就像跟导演说话一样。

一个值得注意的现象是：在大模型文本赛道，中国团队始终处于追赶状态；但在视频生成赛道，中国团队和 OpenAI 的差距极小，甚至在某些维度（日活、4K、实时生成）已经实现反超。原因很简单——中国有全球最大的短视频市场、最成熟的创作者生态、最激烈的内容竞争，这些需求端的压力倒逼视频生成技术以更快的速度迭代。

成本曲线被砍断：三个行业的地震

AI 视频跨过可用门槛，意味着什么？最直接的冲击，是内容生产成本的数量级下降。

广告行业：一条 30 秒的品牌产品片，传统流程需要策划、脚本、选角、搭景、拍摄、后期，预算 5 万到 50 万不等，周期一到两周。现在用 Sora 或可灵，一个熟练的创作者在 2-3 小时内可以生成 10 条以上的候选视频，从中筛选优质版本做精修，总成本可以压到 500 块以内——成本下降 100 倍，周期从两周缩到半天。

电商行业：主图视频和详情页视频是电商的标配，但过去拍摄一条产品主图视频需要布景、灯光、模特、剪辑，至少 3 天时间、数千元成本。现在上传一张产品图，AI 在 3 分钟内生成环绕展示、场景代入、使用演示等多种版本的视频，成本几乎为零。淘宝和抖音的商家已经开始大规模用 AI 视频替代传统拍摄。

短视频创作：创作者的工作流正在从"拍剪"变成"说剪"。过去一个短视频创作者的典型工作流是：写脚本、准备道具、拍摄、导入剪辑软件、加字幕、配乐、调色、发布——一条高质量短视频需要 4-8 小时。现在越来越多创作者的流程是：写 Prompt、生成视频素材、AI 自动剪辑加字幕、微调后发布，整个过程压缩到 30 分钟以内。创作者的核心竞争力从"拍摄和剪辑技术"转向"讲故事的能力和审美判断力"。

不是所有人都开心

每一次生产力工具的革命，都会同时制造赢家和输家。AI 视频的普及也不例外。

影视后期行业首当其冲。过去需要一整个后期团队花几周完成的特效镜头、场景延伸、素材修补工作，现在一个人用 AI 工具几小时就能搞定。中低端的后期外包业务正在以肉眼可见的速度萎缩。

动画师面临的冲击更为深远。AI 视频生成本质上是在"学习"海量动画和影视素材后重建画面，2D 动画、Motion Graphics、简单的 3D 动画都在被快速替代。独立动画师赖以生存的"一个人做一支短片"的壁垒正在被抹平——因为现在任何人都能"一个人做一支短片"。

模特行业的地震也已经开始。电商模特、平面模特、甚至部分商业广告模特的工作正在被 AI 生成的虚拟模特替代——不需要付酬劳、不需要档期、不会耍大牌、可以随时调整五官和身材，还能精准对应任何目标人群的审美偏好。

视频是比文本更大的市场

最后说一个更大的判断。

过去三年，AI 行业的聚光灯几乎全部打在大模型对话上——ChatGPT、Claude、Gemini、豆包、通义千问，估值和融资都围绕"AI 对话"展开。但一个被忽略的事实是：今天互联网流量的 70% 以上是视频流量，全球数字广告市场的 60% 以上投放在视频形式上，短视频平台的用户时长是纯文本平台的十倍以上。

视频是比文本更大的市场。AI 视频生成的商业价值，最终可能比大模型对话更大——因为它直接切进的是广告、电商、影视、教育、游戏这些已经被验证过的、体量庞大的付费市场，而不是在创造一个全新的需求。

OpenAI 显然看到了这一点，所以 Sora 没有作为独立产品发布，而是深度集成进 ChatGPT 成为工作流的一部分。中国的可灵、即梦、Vidu 也看到了这一点，所以它们在产品化和商业化上的推进速度比文本模型更快。

2026 年夏天，可能会被后来者视为 AI 视频真正的起点。就像 2022 年底 ChatGPT 的发布不是大模型的终点而是起点一样，Sora 的正式开放也只是视频生成时代的第一声发令枪。接下来的 12 个月里，会有更多的玩家、更多的产品、更多的应用场景涌现，视频创作的门槛会被持续压低，直到"做一条视频"和"写一段文字"一样简单。

---

明天见。