12個(gè)月前，Sora的演示視頻讓全網(wǎng)沸騰。12個(gè)月后，OpenAI悄悄關(guān)閉了這個(gè)項(xiàng)目，迪士尼提前終止了合作。一位從業(yè)5年的視頻編輯花了整整一年測(cè)試市面上所有AI視頻工具，他的結(jié)論很直白：那些看起來最酷的功能，恰恰是專業(yè)用戶最用不上的。

這不是事后諸葛亮。2024年2月Sora首次亮相時(shí)，4K分辨率的東京街頭、光影流轉(zhuǎn)的咖啡杯、人物自然的微表情——這些Demo確實(shí)驚艷。但Demo和交付物之間的距離，比很多人想象的要遠(yuǎn)得多。

今年1月，這位編輯接了一個(gè)產(chǎn)品演示片的活兒?？蛻粢?0秒鏡頭，主角是同一個(gè)人，場(chǎng)景連貫。他用Sora生成了40遍。40遍。沒有兩次結(jié)果能讓主角的臉保持一致，燈光在畫面中間突然變冷又變熱。最后他放棄了，改用傳統(tǒng)拍攝。

40次生成換不來一張能用的臉

這個(gè)問題不止Sora有。Runway Gen-3、快手的可靈3.0、Pika，全都在同一個(gè)坑里摔過。文本生成視頻（text-to-video）的概念聽起來像魔法——輸入一句話，輸出一段影像。但專業(yè)編輯的工作流程恰恰相反：他們手里已經(jīng)有素材了，需要的是處理這些素材的工具，而不是憑空造一段新畫面。

更隱蔽的成本在算力端。Sora每次生成都在消耗GPU資源，而OpenAI的核心業(yè)務(wù)是語言模型。當(dāng)一項(xiàng)副業(yè)每天燒掉數(shù)百萬美元的推理成本，卻沒人愿意為它付費(fèi)時(shí)，財(cái)務(wù)報(bào)表會(huì)說話。一位接近OpenAI的知情人士透露，Sora的日均推理開銷在高峰期接近ChatGPT的15%，但付費(fèi)轉(zhuǎn)化率不到后者的1/50。

護(hù)城河的問題同樣致命。Google的Veo 2、Runway的迭代版本、可靈的快速跟進(jìn)——這個(gè)賽道擁擠得驚人。Sora有先發(fā)熱度，卻沒有先發(fā)優(yōu)勢(shì)。等它真正對(duì)外開放時(shí)，市面上已經(jīng)有價(jià)格更低、效果相當(dāng)?shù)奶娲贰５鲜磕岬耐顺鰶Q定 reportedly 發(fā)生在2024年第四季度，比公開消息早了至少兩個(gè)月。

「我們測(cè)試了Sora的API集成，但無法保證角色一致性。對(duì)于需要跨季度出現(xiàn)的IP角色，這是致命缺陷?！?/b>

一位參與迪士尼評(píng)估流程的技術(shù)負(fù)責(zé)人這樣解釋。IP角色的視覺一致性是影視工業(yè)的基礎(chǔ)要求，而生成式AI在這個(gè)維度上至今沒有可靠解決方案。

真正省時(shí)間的，是那些「無聊」功能

有趣的是，當(dāng)所有人盯著生成式AI的炫技Demo時(shí)，另一類工具已經(jīng)悄悄重構(gòu)了視頻編輯的工作流。它們不生成畫面，只處理現(xiàn)有素材——但省下的時(shí)間卻是真實(shí)的。

自動(dòng)轉(zhuǎn)錄和字幕。這位編輯以前花45分鐘手動(dòng)敲完10分鐘采訪的字幕，現(xiàn)在30秒出稿，準(zhǔn)確率95%以上。僅此一項(xiàng)，比他試用過的所有生成工具加起來都管用。

腳本標(biāo)記粗剪。采訪類內(nèi)容的典型場(chǎng)景：3小時(shí)原始素材，按腳本找對(duì)應(yīng)片段。以前一個(gè)下午的工作量，現(xiàn)在輸入腳本就能自動(dòng)匹配。不是完美匹配，但足夠把篩選時(shí)間壓縮到20分鐘。

多機(jī)位色彩匹配。兩臺(tái)相機(jī)色溫偏差是現(xiàn)場(chǎng)拍攝的常態(tài)，以前每場(chǎng)景調(diào)20分鐘，現(xiàn)在AI秒出基準(zhǔn)，85%的情況直接可用。剩下15%手動(dòng)微調(diào)，但這個(gè)比例意味著真正的效率提升。

智能音頻清理。這位編輯提了一個(gè)具體案例：客戶在施工場(chǎng)地旁邊錄采訪，兩年前這種素材只能作廢?，F(xiàn)在過一遍降噪，聽感接近演播室。背景里的電鉆聲被識(shí)別為「非人聲頻率」并壓制，而人聲的齒音和呼吸感保留了下來。

這些功能沒有Sora Demo的視覺沖擊力，但它們解決的是真實(shí)存在的痛點(diǎn)。更重要的是，它們建立在確定性輸出上——編輯知道工具能做什么、不能做什么，可以據(jù)此規(guī)劃工作流。而生成式AI的不可預(yù)測(cè)性，讓它在專業(yè)場(chǎng)景中難以被信任。

NemoVideo們?yōu)槭裁催x了一條「笨」路

一些工具開始明確轉(zhuǎn)向這個(gè)方向。NemoVideo（原稱Nemo）的產(chǎn)品迭代軌跡很有代表性：早期嘗試過文生視頻功能，2024年下半年全面轉(zhuǎn)向「AI輔助編輯」定位。他們的最新版本砍掉了文本生成模塊，強(qiáng)化了多機(jī)位同步、語音分離、自動(dòng)標(biāo)記等傳統(tǒng)環(huán)節(jié)的自動(dòng)化。

這個(gè)決策的代價(jià)是失去「AI視頻」賽道的媒體熱度，但換來了實(shí)際的用戶留存。據(jù)第三方數(shù)據(jù)平臺(tái)Sensor Tower統(tǒng)計(jì)，NemoVideo的專業(yè)訂閱用戶月均使用時(shí)長(zhǎng)在2024年Q4同比增長(zhǎng)210%，而同期Runway的該指標(biāo)下降17%。

另一個(gè)信號(hào)來自Adobe。Premiere Pro的AI功能更新集中在三個(gè)領(lǐng)域：語音轉(zhuǎn)文本、場(chǎng)景編輯檢測(cè)、色彩自動(dòng)匹配。全是「無聊」應(yīng)用，沒有一個(gè)涉及畫面生成。Adobe的年度創(chuàng)意大會(huì)Max 2024上，生成式AI被明確區(qū)分為「Firefly產(chǎn)品線」，與核心編輯工具保持物理隔離。

這種產(chǎn)品架構(gòu)傳遞了一個(gè)判斷：生成式AI更適合作為創(chuàng)意探索的 sandbox（沙盒），而非生產(chǎn)流程的 embedded（嵌入）組件。當(dāng)編輯需要確定性輸出時(shí)，傳統(tǒng)算法的可控性反而更有價(jià)值。

「我花了6個(gè)月說服團(tuán)隊(duì)放棄在正片里用AI生成鏡頭。不是因?yàn)樾Ч睿且驗(yàn)槲覀儫o法向客戶解釋為什么第3版和最終版的主角長(zhǎng)得不一樣?！?/b>

一位廣告公司的后期總監(jiān)這樣說。他的團(tuán)隊(duì)現(xiàn)在只在概念預(yù)演階段使用生成工具，正式制作環(huán)節(jié)全部回歸實(shí)拍或3D渲染。

算力重估與商業(yè)模型的坍塌

Sora的關(guān)閉還有一個(gè)技術(shù)經(jīng)濟(jì)層面的背景：視頻生成模型的推理成本被系統(tǒng)性低估了。OpenAI內(nèi)部曾有一個(gè)樂觀預(yù)期，認(rèn)為隨著模型優(yōu)化，單次生成的成本可以在12個(gè)月內(nèi)下降90%。但實(shí)際進(jìn)展遠(yuǎn)慢于預(yù)期，核心瓶頸在于視頻數(shù)據(jù)的時(shí)序一致性——要讓連續(xù)幀保持物理合理，需要的計(jì)算量遠(yuǎn)超靜態(tài)圖像。

一位前OpenAI研究人員的說法是，Sora的架構(gòu)選擇（基于Transformer的時(shí)空聯(lián)合建模）在學(xué)術(shù)上優(yōu)雅，但工程上昂貴。「每一幀都在重新計(jì)算全局注意力，這對(duì)于10秒視頻意味著300次全量推理?！瓜啾戎?，Runway采用的擴(kuò)散模型+光流補(bǔ)償方案雖然理論上限較低，但單位成本可控得多。

這種成本結(jié)構(gòu)直接決定了商業(yè)模式的可行性。Sora的定價(jià)曾試探性地定在每10秒視頻0.5-2美元（按分辨率浮動(dòng)），但實(shí)際運(yùn)營(yíng)成本是這個(gè)數(shù)字的3-4倍。OpenAI嘗試過限制免費(fèi)用戶的生成時(shí)長(zhǎng)、降低輸出分辨率、排隊(duì)機(jī)制等節(jié)流手段，但都沒能扭轉(zhuǎn)虧損。

更深層的問題是需求驗(yàn)證的失敗。Sora團(tuán)隊(duì)原本假設(shè)存在大量「非專業(yè)用戶需要專業(yè)級(jí)視頻」的場(chǎng)景——小企業(yè)主做產(chǎn)品展示、教師制作課件、自媒體快速出片。但調(diào)研顯示，這些用戶要么對(duì)質(zhì)量要求低到手機(jī)剪輯就能滿足，要么對(duì)質(zhì)量要求高到必須找專業(yè)團(tuán)隊(duì)。中間地帶的市場(chǎng)規(guī)模，比預(yù)期小了一個(gè)數(shù)量級(jí)。

迪士尼的退出是最后一根稻草。這家娛樂巨頭原本計(jì)劃將Sora用于部分劇集的背景生成和概念驗(yàn)證，但試點(diǎn)項(xiàng)目的反饋是：美術(shù)部門需要的時(shí)間沒有減少，反而增加了「生成-篩選-修正」的新環(huán)節(jié)。一位參與試點(diǎn)的視覺特效制片人描述：「以前我們畫概念圖，現(xiàn)在我們要生成40張概念圖然后挑一張?？偣ぷ髁繘]變，只是分配方式變了?！?/p>

2025年的視頻編輯工具，該長(zhǎng)什么樣

Sora的教訓(xùn)正在被重新解讀。一種流行的觀點(diǎn)是「生成式AI在視頻領(lǐng)域超前了」，但這可能搞錯(cuò)了重點(diǎn)。真正的問題是應(yīng)用場(chǎng)景的錯(cuò)配——把需要精確控制的工業(yè)流程，套用到了概率輸出的技術(shù)范式上。

更準(zhǔn)確的描述或許是：視頻編輯的AI化正在發(fā)生，但發(fā)生在生產(chǎn)流程的「接縫處」而非「核心處」。轉(zhuǎn)錄、標(biāo)記、色彩、音頻這些環(huán)節(jié)，本質(zhì)上是信息提取和格式轉(zhuǎn)換，AI的模糊性可以被容忍甚至利用。而畫面生成涉及創(chuàng)作意圖的精確表達(dá)，目前的概率模型還無法可靠承載。

這位5年從業(yè)經(jīng)驗(yàn)的編輯現(xiàn)在的工具鏈?zhǔn)牵篋escript做轉(zhuǎn)錄和粗剪，DaVinci Resolve的AI色彩匹配，Adobe Podcast的音頻清理，Topaz Video AI做分辨率提升。沒有一個(gè)是「AI視頻生成」工具，但每一個(gè)都確實(shí)省下了時(shí)間。

他的預(yù)測(cè)是，未來12個(gè)月會(huì)看到更多「混合架構(gòu)」產(chǎn)品——傳統(tǒng)算法負(fù)責(zé)確定性輸出，生成式AI作為可選的創(chuàng)意層。就像Photoshop的生成填充功能：你可以用它，但也可以完全不用，不影響核心工作流。

OpenAI已經(jīng)轉(zhuǎn)向。2025年3月的更新中，他們的視頻相關(guān)研究重點(diǎn)從「生成」轉(zhuǎn)向了「理解」——用多模態(tài)模型分析視頻內(nèi)容，而非創(chuàng)造新視頻。這個(gè)方向的商業(yè)路徑更清晰：內(nèi)容審核、版權(quán)檢測(cè)、智能推薦，都是已經(jīng)被驗(yàn)證過的需求。

至于那些還在堅(jiān)持文生視頻路線的公司，考驗(yàn)在于能否找到Sora沒發(fā)現(xiàn)的應(yīng)用場(chǎng)景。一位投資人的判斷是：「要么證明存在我們沒看到的B端需求，要么接受這是一個(gè)昂貴的玩具品類。」

那位編輯最后提到一個(gè)細(xì)節(jié)：他的團(tuán)隊(duì)最近接了一個(gè)項(xiàng)目，客戶明確要求「不得使用AI生成畫面」。合同里的這條款，半年前還很少見，現(xiàn)在變成了標(biāo)準(zhǔn)條款的一部分。工具的價(jià)值終究由使用它的人定義——而當(dāng)使用者開始警惕時(shí)，技術(shù)敘事就需要重新校準(zhǔn)了。

下一個(gè)被砍掉的項(xiàng)目會(huì)是誰？