文｜適道
1. Google：Phenaki &Imagen Video
2. Meta：Make-A-Video
3. 百度：VidPress
4. 下一個明日之星？
沒有人懷疑，新時代已經到來。作為新時代“發電廠”，大模型正在改造著各行各業。
在AIGC領域，背靠大模型，以ChatGPT為代表的AI聊天機器人，以Midjourney為代表的AI圖片生成工具，掀起了第四次AI浪潮。
但這或許只是可口的前菜？
一方面，比起圖文，視頻是更強的商業化載體；另一方面，有了5G技術高帶寬、低時延的加持，視頻領域的技術革命近在眼前。
那么，下一個大模型的爆發點會在何處？是在視聽行業嗎？
從需求來看，AI生成時代之前，視頻生成的智能化主要用于后期剪輯；AI生成時代當下，接入大模型，成本和難度更大的素材采集可以輕松完成，而這剛好能夠滿足行業對“降本增效”的需求。
但從可實現性來看，根據易觀《AIGC產業研究報告2023——視頻生成篇》，生成視頻商業化落地的挑戰主要集中在產品易用性挑戰、穩定可控挑戰，以及合規應用挑戰。其中，“產品易用性”指視頻生產的速度、交互體驗等；“穩定可控”指可生成視頻的時長、分辨率，以及處理速度，對復雜場景的理解等。
總的來說，生成視頻的質量、互動的準度極大影響著其商業化落地。
那么現在的視頻生成技術走到了哪一步呢，不妨先展開看看相關領域的進展。
一篇來自Boxmining的文章給出了部分答案（作者Steve Gates），文章介紹了包括Phenaki 、Imagen Video、Make-A-Video在內的幾款AI視頻生成模型，并指出了AIGC領域的下一個爆點。以下是適道的翻譯簡寫。為方便大家絲滑閱讀，適道對原文結構進行了微調，并補充了文中提及的案例。
隨著大模型不斷發展，人們急切期待AI繪畫和ChatGPT后的下一個突破點。
在通信領域，5G技術的高帶寬、低時延，為視頻傳輸提供了強有力的保障，這會引發一場圍繞8K視頻、VR和AR的視頻技術革命。
綜上所述，技術法則預示著視頻領域的技術革命指日可待。隨著AI和5G技術的發展，視頻行業將迎來新一輪的創新發展浪潮。
1. Google：Phenaki &Imagen Video
在現象級產品ChatGPT大放異彩之時，Google的文生視頻（Text to Video，T2V）模型Phenaki的表現也相當炸裂。
Phenaki不受固定幀數、時長、分辨率的限制。它不僅比以前的模型更長、更復雜，分辨率更高，還能理解不同的藝術風格和3D結構。
僅根據單個提示詞，Phenaki就能生成一個能講故事的視頻（Story-Telling Video)。
當你想做一段泰迪熊動畫時，只需輸入：
A teddy bear diving in the ocean（一只泰迪熊潛入海中）
A teddy bear emerges from the water（一只泰迪熊從水中出現）
A teddy bear walks on the beach（一只泰迪熊走在沙灘上）
Camera zooms out to the teddy bear in the campfire by the beach（相機逐漸拉遠至沙灘邊篝火旁的泰迪熊）
幾分鐘后，你會獲得如下視頻：
怎么樣？質感相當不錯吧。
同時期，Google還推出了另一款基于擴散模型的Imagen Video，同樣擁有高分辨率，也可以理解不同藝術風格。不過，Imagen Video生成的視頻時長相比Phenaki來說更短。
2. Meta：Make-A-Video
Meta也加入了這場視頻生成的卷王之戰中，并在2022年9月推出了Make-A-Video，時間比Google推出Phenaki &Imagen Video剛好早了一周。
根據Meta官網介紹，和上述的文生視頻T2V模型不同，Make-A-Video是建立在文本生成圖像（Text to Image，T2I）模型上的升級版本。
也就是說，雖然Make-A-Video生成的是視頻，但它沒有用成對的文本+視頻數據訓練，而是和文本生成圖像（Text to Image，T2I）模型一樣，靠文本+圖像的數據對進行訓練，這一方面是考慮到當前互聯網中的文本+視頻的數據集過少，另一方面是，可以對已經相對成熟的T2I模型進行重復使用。
那么，我們來看看Make-A-Video能做出哪些好玩的視頻？
1、將靜止圖像轉換成視頻
2、根據前后兩張圖片創建一個視頻
3、基于原始視頻生成新視頻
4、根據輸入的文字提示，生成符合語義的短視頻。
例如，輸入“喝水的馬”
輸入“機器人在時代廣場跳舞”
3. 百度：VidPress
到了國內，百度也將文心大模型的能力運用在智能視頻合成平臺VidPress中。
VidPress可以快速完成文字腳本、視頻內容搜索、素材處理、音視頻對齊、剪輯等一連串“騷操作”。
VidPress內容生產的三個環節
早在2021年1月，百度研究院就發布了一條由AI自主剪輯的視頻《2021年十大科技趨勢預測》，該視頻的技術支撐就是VidPress。
當下，一方面，文娛、教育、傳媒等諸多領域對AI生成視頻具有強烈市場需求；另一方面，AI生成內容產品存在變現困難等商業化瓶頸。而在2022年，一批高質量文生圖模型，如DALL E、Imagen和Stable Diffusion涌現，這將助力AI生成內容產業突破變現難等商業化瓶頸。
4. 下一個明日之星？
在大模型技術領域，兩類公司值得關注。
1、擁有數據基礎和應用場景的公司
以Netflix、Disney為代表的大型行業玩家為代表，這些公司積攢了數十億條會員評價，且熟知觀眾的習慣和需求。
事實上，Netflix已經使用AI來替代標準內容的制作，例如從影片中抽取符合用戶觀影偏好的畫面，生成電影縮略圖。
另外，今年1月31日，Netflix還發布了一支AIGC動畫短片《犬與少年（Dog and Boy）》。其中動畫場景的繪制工作就是由AI完成的。
2、科技巨頭核心研發團隊創建的初創公司
以OpenAI、DeepMind和Meta為代表，這些公司在該領域有著重大影響力。它們也憑借深厚的技術背景和創新精神，開發出了一系列領先的大模型技術。
有趣的是，這些公司原本的研究人員也跳了出來，強強聯手，成立新公司。
例如，前段時間，由DeepMind和Meta的前研究人員共同創立的Mistral AI，成為了資本的新“寵兒”。Mistral AI僅成立了四個星期，就獲得了一輪高達1.13億美元的種子資金。據外媒Techcrunch報道，這是歐洲生成式AI公司有史以來獲得的最大的種子輪融資。
結論
從ChatGPT到AIGC，再到如今的視頻生成模型，AI發展的速度之快令人驚嘆。
目前，在視頻生成領域，科技巨頭們正在爭先搶占領先地位。
不過，無論誰來搶占，如何搶占，他們的目標都是創造出更加真實、高質量的視頻。而這些技術不僅能為消費者帶來更深度的娛樂體驗，也將為媒體、教育、廣告等行業帶來巨大影響。
然而，這些正在更新的大模型技術也帶來了一些新的挑戰，如隱私問題、數據保護以及內容濫用問題。這需要我們在繼續推動技術進步的同時，積極應對這些挑戰，如制定相適應的規范和法規，以確保技術的健康發展。
無論如何，對于大模型技術的未來，我們有理由保持樂觀。隨著技術的不斷進步，我們期待在不久的將來看到更多的創新和突破。