實測GAGA-1: 跟OpenAI Sora2互飆中文演技，創作瓶頸又不存在了

來猜猜哪個是S2，

哪個是我們的新朋友GAGA-1吧，

分不清對不對！

這個case我問了身邊十幾個朋友答案都是這個，但實際上，上面的鏡頭是GAGA-1用了不到五分鐘就做出來的，而下面的鏡頭我用SoRa2跑了快半小時。

跟Sora2每秒0.1刀的價格比起來，GAGA-1目前還是免費階段。這價格成本和時間成本的區別一下子就出來了，關鍵表演這一塊，GAGA-1也很有可圈可點之處。

所以今天我就嘗試用GAGA-1復刻經典鏡頭，并且從單人表演、多人表演以及多語種表演上一起看看GAGA-1

的表現如何。

完整提示語和視頻都打包好了，公眾號后臺回復“gaga”就好啦

先來看看GAGA-1是怎么用的，其實和現在大家熟悉的用法一樣，進入Gaga AI后，選擇GAGA演員，直接上傳圖片，寫好提示語就能可以生成了。目前是支持16:9尺寸的10s的圖生視頻，后續會上線更多。

小提示，打開增強提示生成效果更好！

首先，來看單人表演，我先做了兩個古裝效果，這個配音、嘴形和動作很有古裝片哪個味兒，嘴形也不夸張，沒有張嘴180度之感，表情整體克制，不假大，尤其配音的停頓給我一種真的在思考的感覺，說是哪個古裝片里截出來的一段我也是信的。

而且視頻是包含完整的環境與動作音效一起生成的，音效不會搶拍不會非常突兀，直接就是一段完整可用的素材。

然后我給了一些情緒的指示，呈現出來的效果聲音和表情的情緒照樣很對位，

人物的微表情不會說有特別夸張或者讓人很出戲的感覺，

再來看雙人表演，這個是很厲害的一個地方，之前我們嘗試過的要么是一個鏡頭只能有一個人說話，要么就是要靠剪輯才能讓兩個人進行對話，或者就是用S2，但現在GAGA-1也給我們提供了一個解決方案。

下面這兩個鏡頭，也是通過提示語描述人物說話的內容，就能直接做出兩個人對話場景。而且人物是有世界邏輯的，他們知道在說到什么內容時做出什么動作，比如知道和對方說話要轉頭，兩人的嘴型能在交談點同步，不會一個人在說話時另一個嘴動，或者一個說完之后很久另一個人才開始說話，同時眼神互動、頭部微轉、沉默時停頓，都處理得有節奏，這就讓整個人物看起來行為更有邏輯，也讓畫面更加真實。

現在，我只期待一個可以指定多個角色的音色，并且在多個視頻中能夠持續保持音色的一致性，這樣離影視級的多集劇制作就更近了一步。

目前GAGA-1支持多個語種，生成效果上可以說都能實現母語級的口型匹配與真實情感，我做了一個中、英、日、韓、法語的鏡頭合集，大家可以感受一下這個效果，我目前是覺得還比較自然，很有電視劇質感。

目前實測下來，偏寫實風格和CG的風格的動態效果會更好，一些動畫風格還需要等待后續工具迭代，不過我還是很期待GAGA-1這方面能力也提升之后的效果，那我不是直接可以手搓番劇了？

說了這么多，

最后聊聊GAGA-1是哪個團隊做的。

半年前首個高質量自回歸視頻模型Magi-1就是他們做的，DiT 路線（比如之前的Sora），是一次性把整段視頻并行跑出來的，沒有明確的先后邏輯，時間感和因果就容易跑偏。

而 Magi-1 它是把視頻切成一小段一小段（比如 24 幀≈1 秒），上一段先出結果，下一段再基于它往下接，保證了時間順序的因果關系。理論上沒有時長上限，能一直續寫，還可以“逐秒控制”，想讓啥時候發生啥就啥時候發生。

創始人是曹越，

經歷有點過于豪華，清華特等獎學金、ICCV 馬爾獎（Marr Prize）、Swin Transformer 共同一作、博士畢業后加入微軟亞洲研究院，后任智源研究院視覺中心負責人。

說對了說多了，321，

視角拉回來這次的GAGA-1，

我覺得以后看視頻真的需要標注哪些是“真人出演”，哪些是“AI出演”，甚至哪些是“真人生成”， 甚至還有可能出現“真人演員”和“AI演員”的區分，現在好萊塢的AI演員今年不也出道第N次了。

演員緹麗·諾伍德（Tilly Norwood），由人工智能制作公司Particle6旗下的人才工作室Xicoia開發，是世界上第一個虛擬職業演員。

真的每次看到這種領域上的大版本更新迭代，

都非常興奮，

超級無敵炒雞蛋想大喊一句，

卷起來啊，S2白菜價，Veo3白菜價，GAGA-1白菜價，

通通白菜價，

我想在家看可互動實時渲染的全AI的超級電影，

配上我新買的vision pro，

美zizi。

@ 作者 / 卡爾 & 阿湯

最后，感謝你看到這里如果喜歡這篇文章，不妨順手給我們點贊｜在看｜轉發｜評論

如果想要第一時間收到推送，不妨給我個星標

更多的內容正在不斷填坑中……