AI生视频：智谱“清影” VS 生数科技“Vidu”，谁胜出？

8月19日消息，自OpenAI放出文生视频模型Sora后，国内AI生视频的产品研发脚步也加快了。上一期，我们测试了国内短视频领域的两家头部企业快手和抖音旗下的AI生视频产品“可灵” 和“即梦AI”的效果（详细情况可点击链接）

这一期，我们将测试国内两家AI创业企业推出的AI生视频产品，一个是智谱AI在7月26日推出的“清影”，另一个是生数科技在7月底推出的“Vidu”。

目前，智谱“清影”支持文生视频、图生视频，能生成6s时长的视频。免费使用，但是需要排队，如果想要加速，可以付费5元/天或199元/年。

Vidu同样支持文生视频、图生视频，提供4s和8s两种视频时长选择。目前，用户可以免费生成4秒视频，如果要生成8s视频，则需要付费，9.99美元/月或者95.99美元/月。

测试条件：

因此，这一期，我们选择了免费的默认设置下，清影（6s）和Vidu（4s）图生视频和文生视频生成的效果进行比较。

一、图生视频

从动物、风景、人物图片来测试比较。

第一个

使用一张含有“熊猫”的照片。

输入提示词要求：熊猫头抬起来，看向我，露出笑容

看看清影（6s）和Vidu（4s）的生成结果表现。

点击图片跳转视频

视频结果比较：

清影表现不错，熊猫抬头、挥手、微笑动作连贯。不过，熊猫在挥手的时候，手部有较明显失真。不过，有一个惊喜的地方是：原图片中左下角有一个自拍杆连接的手机在对熊猫进行拍摄。在生成视频的时候，清影似乎是试图让手机拍摄的熊猫画面也动起来。

Vidu这个视频就很尴尬了，除了首帧是原图外，之后视频出现的熊猫太突兀了，而且和原熊猫没有关系。

这一局PK，站清影（+1分）。

第二个

用一张含有上海东方明珠塔的风景图。

输入提示词要求：东方明珠塔从下往上依次亮起彩灯

看看清影（6s）和Vidu（4s）的生成结果表现。

点击图片跳转视频

视频结果比较：

清影生成的视频没有显示完整的图片内容，聚焦在局部，这一点受到图生视频最初对竖版图片选择的影响。不过，这也带来东方明珠塔局部更清晰的视频效果，从下往上、依次亮、彩灯这几个元素都有很好展现。清影聚焦局部细节，且背景一致性更稳定，感觉就像东方明珠塔在眼前一点一点亮灯了，真实感更好。

Vidu完整展示了东方明珠塔及亮灯，不过忽略了“从下往上依次”亮灯的需求，背景中云朵变幻非常快速，感觉像是视频被加了倍速。

这局PK站清影（+2分）。

第三个

用一张含有人物的图。

输入提示词要求：孩子翻动手中的书，并露出微笑

看看清影（6s）和Vidu（4s）的生成结果表现。

点击图片跳转视频

视频结果比较：

清影生成视频中，书、人物手、挥动胳膊都有明显失真。

Vidu生成视频中，小孩举起书翻动、仰头等动作，整体更连贯自然。

这局PK站Vidu（+1分）。

二、文生视频

第一个： 采用Sora经典视频的提示词，让清影和Vidu各自生成视频。

输入提示词：A stylish woman walks down a Tokyo street filled with warm glowing neon and animated city signage. She wears a black leather jacket, a long red dress, and black boots, and carries a black purse. She wears sunglasses and red lipstick. She walks confidently and casually. The street is damp and reflective, creating a mirror effect of the colorful lights. Many pedestrians walk about.

看看清影（6s）和Vidu（4s）的生成结果表现。

点击图片跳转视频

视频结果比较：

清影生成的视频，前2s人物走动姿态还略显生硬，后续更自然。背景街道景物、远方及周围人的高度与主人公相比更为协调。

Vidu这个视频中，主人公特别突兀，其身高与周边路过和远方的人相比明显高出，显得格格不入。另外，背景街道景色过于模糊。

这局PK站清影（+3分）

第二个：

输入提示词文本：在桂林山水间，一位侠女乘坐竹筏前行，她穿着红色的长裙，手拿黑色的佩剑，注视着远方，阳光洒在水面，波光粼粼，有白云从山顶飘过。

看看清影（6s）和Vidu（4s）的生成结果表现。

点击图片跳转视频

视频结果比较：

清影对桂林山水、竹筏、红色长裙、阳光洒在水面，波光粼粼等都有不错的呈现。问题还是出在手拿黑色的佩剑上，有明显失真。

Vidu对竹筏理解有误，侠女乘坐的更像是小船，而且视频画面整体较为模糊。

这局PK，从清晰度上还是站清影（+4分）。

最后，总结一下：

这5局，Vidu生成的4s 视频大小在200K左右，清影生成的6s视频大小均超过2M。虽然Vidu号称生成的视频“分辨率最高达1080P”，但是就目前生成的视频来看，在清晰度上清影明显要更优。

从上面5五局PK来看，清影4局胜出Vidu。

大家觉得哪个更好呢？