新華社北京8月1日電(記者張漫子)在對(duì)話框中輸入一句話或添加一張照片,點(diǎn)擊“生成視頻”按鈕,不到一分鐘,一條6秒的短視頻立馬生成?!翱矗掌瑒?dòng)起來(lái)了?!钡谝粨?chē)L鮮國(guó)產(chǎn)視頻生成產(chǎn)品“清影”的“00后”用戶施司羽說(shuō)。
今年初,文生視頻大模型Sora在全球人工智能業(yè)內(nèi)外引發(fā)廣泛關(guān)注。近日,多個(gè)中國(guó)科技企業(yè)自主研發(fā)的視頻生成產(chǎn)品扎堆上線,引發(fā)關(guān)注。這意味著中國(guó)人工智能大模型的“應(yīng)用試驗(yàn)田”又多了一塊。
生數(shù)科技今年4月聯(lián)合清華大學(xué)發(fā)布了視頻大模型Vidu,并于7月底正式上線。“此次Vidu正式上線,并全面開(kāi)放了文生視頻、圖生視頻兩大功能,提供4s、8s兩種時(shí)長(zhǎng)選擇,分辨率最高達(dá)1080P,將讓更多人感受文生視頻、圖生視頻的美好體驗(yàn)?!鄙鷶?shù)科技聯(lián)合創(chuàng)始人兼首席執(zhí)行官唐家渝說(shuō)。
Vidu上線前數(shù)天,北京另一家人工智能公司智譜AI也上線了基于其大模型開(kāi)發(fā)的視頻生成產(chǎn)品Ying(清影)?!扒逵安粌H支持文本生成視頻、圖片生成視頻,還支持視頻生成視頻?!敝亲VAI首席執(zhí)行官?gòu)堸i說(shuō)。
今年6月,快手發(fā)布的視頻生成大模型“可靈”,在文生視頻、圖生視頻方面展現(xiàn)出了創(chuàng)造逼真運(yùn)動(dòng)場(chǎng)景、精確模擬物理特性的能力與潛力。
唐家渝和張鵬表示,當(dāng)前中國(guó)視頻生成產(chǎn)品的主流技術(shù)路線,采用的是深度學(xué)習(xí)模型與擴(kuò)散模型相結(jié)合的架構(gòu),遵從“規(guī)模定律”,強(qiáng)依賴算法、算力、數(shù)據(jù)。
當(dāng)前,全球范圍內(nèi)文本、圖片生成視頻模型賽道上已有多家科技企業(yè)參與競(jìng)逐。除OpenAI的Sora之外,還有Runway的Gen系列、微軟的Nuwa、Meta的Emu、谷歌的Phenaki等。中國(guó)最早的入局者有生數(shù)科技的Vidu、智譜AI的清影、快手的可靈、商湯的日日新等。
張鵬說(shuō),目前中國(guó)的視頻生成技術(shù)還處于起步階段,并不完美;接下來(lái)還有高質(zhì)量數(shù)據(jù)、算法等一系列問(wèn)題有待逐一破解。然而加速人工智能技術(shù)發(fā)展的最好方式就是并行加速技術(shù)的研發(fā)與應(yīng)用,而不是把技術(shù)關(guān)在實(shí)驗(yàn)室里閉門(mén)造車(chē)。
“從今天的技術(shù)實(shí)現(xiàn)角度,視頻大模型的迭代將顛覆影視動(dòng)畫(huà)制作在內(nèi)的內(nèi)容產(chǎn)業(yè)。”唐家渝預(yù)判,未來(lái)十年,影視創(chuàng)作生產(chǎn)的門(mén)檻與影視動(dòng)畫(huà)制作的成本將進(jìn)一步降低,更好地將想象力、創(chuàng)造力轉(zhuǎn)化為生產(chǎn)力。