Chatgpt诞生以来，一众大模型产品从诞生到飞速迭代，更像是几十年的积累之下在短短数月之间爆发。隔三差五的功能更新，对于整个行业来说，“日新月异”这个词甚至不足以概括其进步的速度。

Sora以60秒的文生视频带来炸场效果之后，Pika紧随其后，最近在视频基础上加入了「Sound Effects」，也就是针对视频内容来搭配生成音效。相比之下，Haiper的创作方向仍在视频和图片领域，相比于其他文生视频模型，Haiper社区最先吸引人关注的就是免费，文生视频和图片视频化可以生成高清模式，但高清模式的视频仅能生成2秒，同时Haiper还支持非高清模式的视频。

相比之下，Pika在视频所生成方面的时长要长于Haiper，Pika能够生成3秒的视频。但通过测试我们发现，在同一prompt下，Haiper和Pika生成视频的效果有明显差异。

我们给出一个prompt为：A little orange cat was resting in the green grass，Haiper和Pika生成的视频分别如下：

Haiper生成的小猫趴在草丛中的视频

Pika生成的小猫趴在草丛中的视频

可以看出，Haiper生成的视频中小猫更可爱更逼真，视频清晰度也很高；Pika生成的小猫清晰度则表现较差，小猫的毛发等细节生成效果并不如Haiper。

需要注意的是，在这段视频中我们使用的prompt是一句简短的句子，不同模型对prompt的理解要求不同，因此生成效果的差异与给出的prompt有一定关系。

同时我们也发现，在Haiper输入“A little orange cat was resting in the green grass”的prompt之后，其生成视频作品后，prompt会自动进行优化。因此，我们最终得到的小猫视频被优化之后的prompt实际为：A little orange cat was resting in the green grass, (large depth offield effect, focus on the subject, emphasis on foreground elements,sharp focus, soft background）.【一只橙色的小猫在绿色的草地上休息，(大景深效果，聚焦主题，强调前景元素，锐利的焦点，柔和的背景）】

而我们再将Haiper优化后的prompt复制到Pika上，其生成效果如下：

优化后的prompt应用到Pika上得到的视频

这版视频效果明显优于第一版，但对比之下，优化后的小猫视频和Haiper第一版视频比起来，在清晰度方面差距明显缩小。

通过测试我们发现，对于使用AI文生视频软件并不熟悉的人来说，Haiper的门槛似乎更低，这主要表现在对prompt的优化上。

专业的工程师可以针对视频效果需求提出更精确的prompt，但对于普通人来说，他们并非能像专业人士那样写出非常准确的prompt，因此，一些更具象化的视频需求表达便成了问题。

所以，当普通人在使用AI文生视频软件时，很容易遇到“AI生成的视频和想象中的不一样”的情况，而AI生成视频中，现实和想象的差距就在于prompt的精确程度。对于初级使用者或者说没有prompt基础的人来说，Haiper明显更友好，也更智能。

上面我们测试生成的是相对静态的视频，在后续的测试中，我们加入了动作prompt，并且提供了更具象化的要求，这次我们给出的prompt的要求是：A girl dressed in Chinese Miao costume walks among bamboo trees（穿苗族服饰的中国少女行走在竹林中），针对这个prompt，Haiper和Pika最终生成的视频如下：

Haiper生成的“竹林少女”视频    

Pika生成的“竹林少女”视频

这次的对比更为明显，Haiper生成的视频，很突出少女的“行走”特点，但人物在行动过程中，动作和面部表情并不流畅，更像是一帧一帧在拼凑出来的移动效果，视频的清晰度也受到影响。

不过，从正常的人物物理移动的角度来看，Haiper这段视频确实更遵循“少女行走”这个prompt的要求。此外，Haiper生成的少女视频，其面部特征更符合当前中国少女的面部特征。

Pika生成的“少女行走在竹林里”这段视频，清晰度明显高于Haiper，但是少女的面部特征更偏动画效果，与真人差距较大，“行走”的特点不如Haiper视频中表现地更突出，少女移动的幅度更小。当然，Pika在成立之初就是以动画效果优势闻名的，其在生成视频作品时呈现明显的动画元素也在情理之中。

两个模型在生成同一prompt下的共同缺点在于，对于“中国苗族服饰”这个关键词指令的展现不够清晰，相比之下，Haiper能够体现出民族服饰的特点，但Pika生成的视频更具有动画特点，具有一点古风色彩。

当然，在文生视频技术发展尚不成熟的今天，不同模型在相同prompt下生成出的视频效果差异，取决于其参考的数据库。

在我们给出“A cute Pikachu is dancing”（一只可爱的皮卡丘在跳舞）的prompt后，Haiper和Pika数据库中都具备“皮卡丘”这一具象化的卡通形象数据，但是在“dancing”这个动作的表现上，Haiper再一次完胜Pika。

Haiper生成的皮卡丘跳舞视频

Pika生成的皮卡丘跳舞视频

Haiper生成的皮卡丘通过四肢的细微动作体现出“皮卡丘在跳舞”这一特点，但Pika生成的“dancing皮卡丘”更侧重表现“皮卡丘在说话”，对“dancing”prompt的识别和表现程度有所欠缺。

通过对Haiper和Pika两个文生视频模型在同一prompt下生成视频效果进行对比，我们发现，Haiper在对prompt的优化方面做的比较好，对于一些物理动作表达的指令，Haiper的识别程度比较高，表现的准确度也较好。但缺点在于，Haiper生成的视频仅有2秒，且在物理移动的视频生成效果上连贯性比较差。

Haiper输出的视频效果与prompt的匹配度明显更高，更精确，如果其在物理移动和更细节的prompt识别方面积累更多数据的话，视频生成效果或许有能力赶上Sora也不一定。

最新一轮的融资让Haiper收获了更多关注，特别是在Sora发布60秒文生视频成果之后，在这个领域越来越多的技术团队和产品被呈现在聚光灯下，一众文生视频模型从幕后走到台前。

Haiper在名气上不如Pika，但视频生成效果并不逊色，而Pika领先的地方除了视频生成时间更长，其在近期还推出了音效新功能Sound Effects，Haiper则在prompt方面能够给出更精确的识别以及优化。

看起来，Haiper更像是在文生视频领域做纵深的探索，以求在技术迭代的基础上把文生视频的技术做精做深，而Pika则在文生视频基础上寻找更多叠加的可能，以技术支持给视频带来更丰富的效果。

Similarweb数据显示，自3月5日Haiper在X上公布了融资消息后，其访问量暴增，从此前的日访问量不足5000，一路飙升至单日最高访问量44419，网站访问量增长近9倍。

Haiper官网近一个月来访问数据情况（图源：similarweb）

Haiper官网和Pika官网近期流量情况对比（图源：similarweb）

对比Haiper和Pika近期的网站流量，在3月8日，Haiper的流量迎来峰值，单日访问量与Pika的差距缩小到6000多。并且在近期Haiper一直维持一个相对稳定且高的流量态势，这说明，在吸引高关注度之后，Haiper的用户粘性正在形成，用户对Haiper工具已经形成一定的忠诚度了。

一个能够理解、解释和生成复杂视频内容的人工智能模型，需要整个系统对周围世界有深刻理解，无论Haiper还是Pika，其视频生成功能的进步到最后，都要面临一个更实际的问题——应用场景。

在Haiper的官方介绍中有这样一段话：生成式人工智能在视觉内容创作领域的发展，不仅仅是关于技术或算法，它是关于重新构想创作、讲故事以及人类与人工智能合作的。

此前，Haiper在服装设计领域已经有了尝试，其开发一种解决方案，通过个人表达让静态草图变成动态动画。

麦肯锡的报告曾指出，生成式人工智能可以在整个时尚价值链中使用，从创意的生成，到产品的定制，再到内容开发以及产品销售环节，都可以借助人工智能技术，同时，人工智能在时尚领域也能实现比较高保真的效果。如果Haiper真的在时尚领域中广泛应用，那么它面临的将是一个规模高达2万亿美元的全球市场。

Haiper联合创始人苗亦舒曾在与艺术家Matilde Mariano和Jose Sobral对的交流中表达过对Haiper应用方案的思考，该方案以Haiper的感性基础模型(Perceptual Foundation Models)提供支持，配备了对光线、运动、纹理和交互的深刻理解，目标成为时尚设计师的重要工具。

具体到时装设计领域，Haiper给出的构想是：这个方案能够预测并直观地表现出水是如何溅到衣服上的，不同的面料是如何在风中飘动的，或者当模特移动时，阴影和光线是如何在衣服上发挥作用的。

在人工智能和时装设计需求的结合下，这种方案允许创作者在动态的、高度现实的环境中实验和展示他们的作品。或许Haiper在时尚领域的突破，只是未来人工智能实际应用的冰山一角，不过这种实际应用领域的探索，势必会越来越广泛。

毕竟，Haiper已经用“免费”拆掉了用户使用的第一道门槛，未来的应用效果只会向更广泛的场景覆盖。