4K的可灵没能复兴残酷底层物语

「建议出 480P」

从来没聊过可灵。

可灵给我的感觉，就像是老家那个县城刀枪炮同学。你对他只有个模糊的印象，知道他在特定场合很有能量，但平时办事也想不起来找他。

Be like：对的，我不像即梦一样做社交，我不像xx一样刷榜单，我只是专注服务专业创作者做专业视频的三专视频大模型一枚呀。你们普通用户对我没印象也正常的。

先前他们宣传的就是物理模拟、电影质感、长视频，反正就是暗示你，用别人家模型玩玩还行，真想做个正经片子还得找可灵。最近他们又上线了原生4K功能，可以说是继续朝着垄断商业化AI视频制作的方向显化中。

最近可灵又小火了一把，说是老外天天沉迷用它做什么韩女球场观赛视频，逼真程度又赶超英美了。

去他们首页看了一眼 ，哦，原来是上了个模板。

无论如何，我们决定测一下，看看哥们到底是自信还是自嗨。

说到快手，众网友的一大遗憾就是：早年间那些被称为残酷底层物语的疯狂狠活，由于诞生在高清手机和5G技术都没普及的年代，所以实在是分辨率过低没法细看。

480p的鞭炮炸裆只能听个响，高糊褪色的老八吃翔也难辨真假。说实话，谁不想身临其境这些狠活发生的现场，亲自感受残酷底层物语的力量？

所以我决定配合可灵新出的4K直出功能，把之前刀哥虎哥之流在快手上发布的经典作品进行1:1还原复刻，带大家重返那段放荡不羁的日子。

首先是经典中的经典，猛虎过江。

具体指：只露出一个头的虎哥被包在麻袋里，身边的徒弟狠狠踹一脚，虎哥就纵身入江，不见踪影。据传后来是被下游洗菜的大姨救起来的。

我上传了虎哥的一段视频和音频，建立了虎哥的主体形象，克隆了他的音色，并根据原视频输入了提示词。

哦对，为了致敬当年刀哥虎哥只知道要小心心、一分钱没挣到的创举，我特地把场景设计为快手直播间里，让数字人观众送礼物弥补他们原生职场的缺憾。

成品如下：

一开始徒弟打包虎哥的时候，手上动作有点太多，像是抖音小姐姐附体开始跳手势舞了。

后来走路的时候，也略显僵硬，总觉得是小鹏机器人外面套了个人皮。

至于麻袋下水的时候，整个物理效果还是不错的，包括水波、水声和涟漪，都达到了预期水平。

但最严重的问题是，我不是说这是快手直播间吗？咋把原视频发给我了？

于是我又用即梦试了试，看看没法生成直播间的壳子是否是通病。

结果人家能生成出来。不过生成的这些字基本也是乱码。

除此之外，在上传同样一段音频的前提下，即梦对音色的模拟就是比可灵强。

缺点是即梦老喜欢根据自己的独立思考加一些音效，比如这个屁声，完全不知道为什么会出现。

再测第二条，唐老鸭上吊。

顾名思义，虎哥把新收的徒弟唐老鸭吊桥上，然后一脚踹开凳子，唐老鸭开始挣扎，虎哥大喊「双击！」

成品如下：

这一轮虎哥说话的节奏更好一点。抽出椅子的动作和唐老鸭腿部晃动的动作也都干净利落自然。

但是手势舞问题依然存在：唐老鸭那个手都抖成一团了，我想数数到底有几根指头都费劲。

手抖太快了，可能这就是快手。

而且，依旧没有理会我「在快手直播间里有人刷礼物」的指令。

再用即梦试试：

即梦依旧是成功给这个视频套上了快手直播间的壳，但也依旧是乱码横飞甲骨文遍地。

动作流畅度方面倒是和可灵差不多，优点是没有手势舞问题。

但即梦最神的是，发挥了自己的主体性，给虎哥加了个符合人设的台词，喊了句什么「杀马特团长」，然后又说了几句听不懂的古神低语。

咋说呢，虽然是挺有意思的，但你作为一个视频大模型能不能他妈的按照提示词生成啊？视频你给我生成好的啊！#嘎子摔杯.jpg

再测最后一个，这次我特意挑了个执行起来非常费劲的狠活，场景和动作上也相对复杂。

我做了一些精简，把提示词发给了可灵。

非全部提示词

成品如下：

令人惊喜的是，这次终于有点快手直播间的样子了。

但生成的观众评论如黑客帝国里的数字代码一样若隐若现，非常后现代。

而且先不论这个鞭炮放得咋样了，崩完之后直接无痕迹了，地上也没垃圾虎哥脸也没黑，这也太环保了。谁发明的进步主义鞭炮？

同样用即梦做了一版：

不知为何，即梦生成的虎哥和鞭炮都有点像p到背景上的。

而且负责点鞭炮那小子，他手里的烟是从哪变出来的？粗看动作挺行云流水，细看全是魔术。

但这个鞭炮炸完还是有痕迹的，略胜一筹。

后来我又想，是不是可灵已经与这种低端vibe完全切割，所以上面几条视频才都让人心生遗憾？

于是我专门挑了个高端场景高端活动：在金碧辉煌的礼堂里，外资企业家马斯克举着手机凑到虎哥身边求合影。

成品如下：

不知大家有没有发现，这个视频里，除了虎哥之外，所有人无论男女都长着马斯克的脸。

而且左一那位女马斯克伸出的手，根本看着就不是人类的手啊，看着有点像蜥蜴人的手，非常恐怖。

为表公平，我也尝试用即梦做了一版，但他们识别出马斯克之后直接拒绝生成了😭

啥意思，马斯克是人虎哥不是人呗。

我又顺势用可灵和即梦分别做了「东北好果汁」的茅台风格广告，并要求广告中的手做了东北大花布风格的美甲。

成品如下：

见仁见智吧。

测完这五组，我感觉可灵最近最得意的原生4K功能，可能正是它给自己挖的一个大坑。

可灵说得很好听：

别人家都是先生成1080P再转4K，算法优化的过程会有误差会有变化；

我们是全球首个原生4K生成，这视频在娘胎里的时候每一帧就都是4K的了，所以看起来更高清更保真。

但这一切的前提是你这个视频模型的生成能力本身没问题。

如果你本来的水平就是超写实主义的1:1精品画作，那换了更精细的笔刷之后，的确会让人感觉每一个毛孔都在呼吸。

但如果你之前生成出来的就是油画质感的皮肤、时而四根时而六根的手指和对不上口型的嘴，那画面更清晰之后，只会让观众觉得更碍眼。

4K其实就是个放大镜，优点会放大缺点也会放大。

就像下面这两张图，要不是4K直出，我都不知道可灵生成的视频里的背景这么难绷。

都快达到世界模型水平了

我甚至建议可灵着手研究480p大模型，直接用快手得天独厚的站内狠活资源训练，然后教育一下用户审美，宣称在这个聒噪的时代，低信息量的视频才是好视频，模糊的AI才是伟大的AI。

这样就没人能发现现存的诸多问题了。

不过说到底，可灵毕竟是县城刀枪炮，确实是有人家无法替代的地方。

我让马斯克和虎哥分别出演了某电车和爱马仕的广告，看看可灵在电影质感、物理模拟上表现如何。

首先是某电车的：

虽然车轮动起来之后是一团浆糊，车的尾气也不像现实世界场景。

但是马斯克行走过程中，车身上光照和反射的变化都很真实。

马斯克坐进车里时，座位、方向盘、车门的运动也都很自然。

还可以吧。

然后是爱马仕的：

这条还是正经可以的。虽然口型没对上，但运镜很丝滑，衣物的摆动很符合物理，Birkin上的细微纹理也都很清晰，五金扣上也有流畅的光影变化。

而且虽然是虎哥出演，在他开口说台词之前，还是有一些高级感。建议爱马仕后台联系购入这条片子作为产品宣发广告。

你看，通过这两条片子也能看出，在涉及静物的场景可灵的4K是个加分项。

但只要画面里有人或其他运动物体，就有点完了。

或许这就是可灵之后的路线吧，高清生成4K生成，但就专注生成一些动不了的东西。

毕竟之前在整活上吃过亏了，以后就只整死的。

（本文封面由可灵生成，纯人工写作）

文章来自于"葬AI"，作者 "罗子马"。