2026年3月24日，OpenAI正式关停了Sora的服务。根据Atlas Cloud的分析，OpenAI在单位经济效益上遭遇了失败，其垂直整合模式在向专业化服务商分化的市场中难以生存。Sora走后，开发者们开始寻找替代品，Atlas Cloud等免费API成了过渡选择。但对于高频创作者来说，长期依赖云端API依然是一笔不小的开销。真正的出路，或许在于把算力握在自己手里。
开源社区一直在紧跟Sora的脚步。周弈帆的博客曾指出，Sora的核心架构是Latent Diffusion Model (LDM) 加上 Diffusion Transformer (DiT)。而目前开源界最接近这条路线的方案，正是Stable Video Diffusion (SVD) 结合 Stable Diffusion 3的结构。Stability AI 的首席执行官 Mostaque 也在推介Stable Diffusion 3.0时强调了Transformer架构带来的改进。
用消费级显卡跑通开源模型
与其在云端排队等额度，不如尝试在本地跑通Stable Video。很多人觉得本地部署需要专业集群，其实只要合理利用量化工具，消费级显卡也能胜任。核心在于对模型进行量化压缩，降低显存占用。
在ComfyUI中加载量化后的模型，配合注意力优化参数，即使显存有限，也能让推理过程稳定跑通，避免显存溢出崩溃。虽然这会牺牲一部分生成速度，但换来的是零边际成本的算力自主权。
扬长避短的图生视频逻辑
Sora能生成长达一分钟的高质量1080p视频，而早前SVD只能生成25帧576x1024图像。虽然开源模型在长视频生成上仍有差距，但SVD在“图生视频”上的可控性是它的强项。
别指望让模型直接“无中生有”生成长镜头。更务实的做法是先准备一张高质量起始帧，导入ComfyUI后，在提示词中重点描述“运动”而非“画面”。比如摄像机平移、光影变化等。把长视频拆解成几秒的短片段生成，后期再用剪辑软件拼接。用SVD生成氛围感空镜，再进行二次加工，远比强求它处理复杂叙事靠谱得多。
Sora的退场不是视频生成的终点，而是从“云端垄断”走向“本地普惠”的转折点。掌握开源视频模型的本地工作流，是创作者应对云端成本波动的有效手段。
