龍年的第一個(gè)月,正如去年的ChatGPT,OpenAI開(kāi)年再出一王炸——文生視頻領(lǐng)域的Sora。
面對(duì)這樣的AI生成能力,包括幾乎所有類(lèi)型的從業(yè)者都感受到了不小的震動(dòng)。一位IT出身的電影制片人告訴陸玖商業(yè)評(píng)論,Sora的的驚艷表現(xiàn),讓他周?chē)膹臉I(yè)者都有了不小的危機(jī)感。電影制作成本的急劇下降,和新銳電影人的出頭,將會(huì)比以往更加容易。
不過(guò),在面對(duì)陸玖商業(yè)評(píng)論提出的“Sora是否已具備商業(yè)化條件”“文生視頻對(duì)于算力的要求是否更高,以及如何解決”等問(wèn)題時(shí),這位制片人則用“發(fā)展問(wèn)題,發(fā)展解決”的說(shuō)法給出回復(fù)。
這顯然過(guò)于樂(lè)觀(guān)。畢竟更多從業(yè)者認(rèn)為,從概念到成熟的工業(yè)化商用階段,即便是Sora也有很多不成熟的地方。
也因此,拋開(kāi)技術(shù)路線(xiàn)不談,單就實(shí)現(xiàn)效果而言,國(guó)內(nèi)在文生文等通用模型有相關(guān)布局的大模型廠(chǎng)商,是否有著同樣的“飛升機(jī)會(huì)”?文生視頻,到底相比過(guò)去文生文,有哪些實(shí)質(zhì)性的飛躍?這是一個(gè)很有意思的話(huà)題。
01
Sora,革命還是泡沫?
必須承認(rèn),Sora的出現(xiàn),讓通用人工智能(AGI)的實(shí)現(xiàn),又近了一步。原因在于,它已經(jīng)做到了模擬真實(shí)物理世界的運(yùn)動(dòng),譬如物體的移動(dòng)與相互作用。
不過(guò),僅僅是這種程度的改進(jìn),也算不得“驚艷”。根據(jù)OpenAI的官方報(bào)告,Sora的“革命性”主要體現(xiàn)在下面幾點(diǎn)。
首先是時(shí)長(zhǎng)。作為通用的文生視頻大模型,它能根據(jù)用戶(hù)提供的文本描述生成長(zhǎng)達(dá)60秒的視頻,不僅品質(zhì)上乘,且能更完整準(zhǔn)確地還原用戶(hù)輸入的prompt,即提示詞。
其次,是在場(chǎng)景的復(fù)雜度和角色生成水平的突破。到目前為止,Sora已經(jīng)能夠生成包括多個(gè)角色、特定運(yùn)動(dòng)類(lèi)型以及主題精確、背景細(xì)節(jié)復(fù)雜的場(chǎng)景。且鏡頭語(yǔ)言也開(kāi)始復(fù)雜,這使得視頻本身開(kāi)始具有一定的敘事功能,而這正是目前短視頻領(lǐng)域所需要的東西。
再次,除了文本生視頻,Sora還能做到從靜態(tài)圖像開(kāi)始動(dòng)畫(huà)化圖像,抑或是從已有視頻生成新視頻,實(shí)現(xiàn)填補(bǔ)缺失幀或者延展視頻內(nèi)容的效果。
一位資深科技媒體人對(duì)陸玖商業(yè)評(píng)論表示,Sora這類(lèi)AI產(chǎn)品的出現(xiàn),是一種“思維平權(quán)”的機(jī)會(huì),因?yàn)橐恍╅L(zhǎng)期跟蹤行業(yè)的科技記者,經(jīng)常會(huì)有一些“腦洞大開(kāi)”的設(shè)想,但沒(méi)有合適的工具讓想法落地。但有了GPT和Sora這類(lèi)AI工具之后,記者們一旦看到了機(jī)會(huì)和想法,AI就可能會(huì)幫助他實(shí)現(xiàn)產(chǎn)品,剩下的就是驗(yàn)證這個(gè)產(chǎn)品的可行性。
但陸玖商業(yè)評(píng)論在與多個(gè)行業(yè)人士交流以后發(fā)現(xiàn),即便是眼下風(fēng)光無(wú)限的Sora,同樣有被高估的可能性。
行行AI董事長(zhǎng)李明順對(duì)此較為理性,在他看來(lái),Sora的出現(xiàn),很大程度上是文生文的通用模型,延展到視頻領(lǐng)域的階段性技術(shù)迭代。Sora能有如今的質(zhì)變,很大程度上也是算力和資金不設(shè)上限投入,再加以海量訓(xùn)集的不斷重復(fù)訓(xùn)練,這是“大力出奇跡”的結(jié)果。
相比技術(shù)實(shí)現(xiàn)上的優(yōu)越,Sora在“資源稟賦”上的優(yōu)越,顯然跟國(guó)內(nèi)一眾“算力荒”廠(chǎng)商拉開(kāi)了更大的距離。這是國(guó)內(nèi)大模型相關(guān)廠(chǎng)商,在相當(dāng)長(zhǎng)時(shí)間里難以逾越的鴻溝。
而從投資角度而言,Sora這類(lèi)垂直領(lǐng)域的“通用模型”也算不得熱門(mén)標(biāo)的。
一位一級(jí)市場(chǎng)從業(yè)者告訴陸玖商業(yè)評(píng)論,純一級(jí)市場(chǎng)投資,通常只會(huì)投資大概念和高估值標(biāo)的。原因主要在于一級(jí)市場(chǎng)的基金存續(xù)期是7年,投資期2年,5年退出是大概率事件。但文生視頻的垂直模型在5年內(nèi)能否實(shí)現(xiàn)工業(yè)化商用,誰(shuí)都無(wú)法下定論。
此外,目前的Sora,所有已知信息只有2月15日發(fā)布的技術(shù)報(bào)告,但在3天后就傳出了融資新聞。在沒(méi)有開(kāi)放使用、外界不知其實(shí)際水平的情況下,在風(fēng)投公司Thrive Capital牽頭融資中,OpenAI的估值已經(jīng)逼近800億美元。這位一級(jí)市場(chǎng)從業(yè)者向陸玖商業(yè)評(píng)論坦言,這次技術(shù)發(fā)布很可能是OpenAI“估值管理”的一部分。
昆侖萬(wàn)維的董事長(zhǎng)周亞輝在朋友圈表示,“(硅谷)這邊的Scientist和工程師根本不認(rèn)除了Open Al以外的創(chuàng)業(yè)公司股票價(jià)值,覺(jué)得都是紙面財(cái)富。寧可要OpenAI.谷歌、FB、微軟100萬(wàn)Package(一半股票)的Offer,也不要?jiǎng)?chuàng)業(yè)公司300萬(wàn)(80%股票)的Offer。”
可見(jiàn),Sora之后,OpenAI進(jìn)一步拉大了與其他AI大廠(chǎng)的差距。
02
國(guó)產(chǎn)大模型,廠(chǎng)商們的危與機(jī)
盡管Meta、Google以及微軟都在蠢蠢欲動(dòng),但相較于資本市場(chǎng)對(duì)Sora的瘋狂,國(guó)內(nèi)大模型廠(chǎng)商則顯得冷靜得多。國(guó)內(nèi)大廠(chǎng)大多數(shù)選擇的,仍是立足于自身應(yīng)用的大模型開(kāi)發(fā),并非去追求所謂的原生態(tài)AI大模型升級(jí)。
字節(jié)即是其中之一,其對(duì)于生成式AI的保守態(tài)度,早在文生文階段就已經(jīng)體現(xiàn)。而從入局時(shí)間看,字節(jié)并不晚。據(jù)晚點(diǎn)報(bào)道,2020年6月OpenAI發(fā)布GPT-3后,字節(jié)曾訓(xùn)練了一個(gè)數(shù)十億參數(shù)的生成式語(yǔ)言大模型。
如果按部就班開(kāi)發(fā),到2023年時(shí),字節(jié)與OpenAI的GPT,距離不會(huì)很遠(yuǎn)。只是在ROI掛帥的業(yè)務(wù)體系下,字節(jié)這筆投資顯然沒(méi)有算過(guò)賬來(lái)。因此,其在生成式AI的探索上,始終相較競(jìng)品慢了一些。
從發(fā)布時(shí)間來(lái)看,百度文心一言于2023年3月份發(fā)布,同年10月便迭代至4.0版,緊隨其后的是阿里的通義千問(wèn)、騰訊混元助手,而字節(jié)發(fā)布云雀大模型的發(fā)布時(shí)間是2023年8月。
后發(fā)導(dǎo)致的結(jié)果之一,是用戶(hù)量不足——文心一言的月活去年就已經(jīng)破億,字節(jié)的豆包仍然在千萬(wàn)以下。不過(guò),字節(jié)在選派張楠執(zhí)掌剪映之后,有望在生成式AI的進(jìn)度上更快一點(diǎn)。
如果說(shuō)字節(jié)在文生視頻領(lǐng)域暫時(shí)沒(méi)有看到可立即使用的產(chǎn)品,那么百度和阿里則不然。早在去年的百度世界大會(huì)上,百度已經(jīng)演示過(guò)文心一言的文生視頻能力,主要集成在“一鏡流影”插件當(dāng)中。
當(dāng)然,出現(xiàn)在世界大會(huì)現(xiàn)場(chǎng)的生成視頻,只是一鏡流影無(wú)數(shù)次抽卡中的成功案例。陸玖商業(yè)評(píng)論經(jīng)過(guò)測(cè)試發(fā)現(xiàn),一鏡流影仍然存在一些局限。
其一是素材庫(kù)。目前一鏡流影使用的是無(wú)版權(quán)素材庫(kù),這導(dǎo)致無(wú)法用于特定品牌的工業(yè)化商用環(huán)節(jié)。
其二是出于可能的肖像權(quán)考慮,目前無(wú)法生成帶人像的視頻,但可用于生成不帶商標(biāo)的商品視頻。
其三則是,目前生成的視頻,都是30秒左右的,如果想要達(dá)到與Sora類(lèi)似的效果,還需要做到兩段視頻素材的拼接。如果要保持內(nèi)容和風(fēng)格的一致,顯然變成了難事。
通義千問(wèn)目前用的最多,熱度最大的相關(guān)技術(shù),則是以全民舞王為代表的圖生視頻技術(shù)。只需一張全身照,就可以讓其做出各種熱門(mén)的舞蹈動(dòng)作。在B站,以慈禧等歷史人物跳科目三的二創(chuàng)視頻,加起來(lái)的視頻播放量,大約在千萬(wàn)級(jí)別。
雖然還沒(méi)有做到工業(yè)化的水準(zhǔn),也沒(méi)有與國(guó)外的Sora拉平差距,但國(guó)外的Sora同樣也沒(méi)有做到工業(yè)化,這也就意味著,起碼在商業(yè)化進(jìn)程上,二者仍然沒(méi)有太大的距離。剩下的只需不斷追趕就好。
行行AI董事長(zhǎng)李明順也持類(lèi)似的觀(guān)點(diǎn)。他告訴陸玖商業(yè)評(píng)論,目前OpenAI仍然占據(jù)行業(yè)頭部的位置,但很大程度上是建立在此前的算力儲(chǔ)備和技術(shù)積累之上。國(guó)內(nèi)諸如BAT、字節(jié)等通用大模型廠(chǎng)商,也會(huì)不斷去追趕。原因很簡(jiǎn)單,在某種程度上,通用大模型已經(jīng)變成了互聯(lián)網(wǎng)公司基礎(chǔ)能力的一種象征。
競(jìng)賽似乎才剛剛開(kāi)始。
03
文生視頻,真正的勝負(fù)手在哪?
當(dāng)然,無(wú)論是OpenAI的Sora,還是國(guó)內(nèi)一眾大模型廠(chǎng)商,其最終目的,仍然是工業(yè)化、流水線(xiàn)化生產(chǎn)高質(zhì)量的視頻內(nèi)容。
但就目前來(lái)看,即便強(qiáng)如Sora,也是有諸多不成熟的因素,導(dǎo)致其無(wú)法應(yīng)用到工業(yè)化領(lǐng)域。AI動(dòng)態(tài)視頻解決方案產(chǎn)品知行元(www.creatlyai.cn)的產(chǎn)品架構(gòu)師告訴陸玖商業(yè)評(píng)論,雖然目前Sora看起來(lái)很方便,通過(guò)文字能直接生成高質(zhì)量的視頻,且只需要通過(guò)幾個(gè)提示詞來(lái)控制,對(duì)用戶(hù)的心智與操作負(fù)擔(dān)看起來(lái)很小。
但由于目前的sora對(duì)真實(shí)物理世界的理解還有限,在某些場(chǎng)景仍然會(huì)出現(xiàn)問(wèn)題。諸如燭光方向錯(cuò)亂、精準(zhǔn)數(shù)量失序,空間物體進(jìn)出畸變等細(xì)節(jié),這些細(xì)節(jié)到后期剪輯都是很難去改動(dòng)的。
這并非沒(méi)有解決方案。因?yàn)镾ora目前已經(jīng)有視頻延展和視頻拼接功能,用戶(hù)完全可以生成數(shù)個(gè)幾秒鐘的視頻進(jìn)行后期裁剪。如果對(duì)于提示詞工程的知識(shí)儲(chǔ)備不足的人來(lái)說(shuō),多次生成+人工后期是難以避免的。
此外,在工業(yè)化的商品宣傳片中,通?蛻(hù)會(huì)發(fā)布一些新款商品,譬如新款羽絨服、新車(chē)、新手機(jī)等等。但用戶(hù)的素材并不存在于視頻模型的訓(xùn)練集中,導(dǎo)致只能生成類(lèi)似商品后再二次加工,也就是影視后期。
這里同樣有專(zhuān)業(yè)用戶(hù)與非專(zhuān)業(yè)用戶(hù)的需求差別。譬如對(duì)于一般的輕度用戶(hù),如果沒(méi)有商業(yè)化需求,那么模型就是一個(gè)試玩產(chǎn)品,任何新生成的作品對(duì)他而言都是驚喜。但對(duì)于專(zhuān)業(yè)用戶(hù)(譬如導(dǎo)演),如果一次生成的不夠滿(mǎn)意,那么還涉及到多次生成和多次后期,對(duì)于算力與人工都是不小的負(fù)擔(dān)。
前述電影制片人告訴陸玖商業(yè)評(píng)論,在影視制作流程中,后期最大的成本,就是負(fù)責(zé)剪輯與特效,也就是二次加工的人工成本。如果工作流不夠先進(jìn),那么很可能會(huì)在后期制作過(guò)程中拉高成本,進(jìn)而影響項(xiàng)目的ROI。
如果目前的文生視頻仍然需要大量人工去調(diào)校,且鏡頭和對(duì)物理世界的還原也無(wú)法做到1:1,那么用AI生成視頻素材的性?xún)r(jià)比,其實(shí)是不高的。
有基于此,一位影視后期從業(yè)者告訴陸玖商業(yè)評(píng)論,在他看來(lái),AI能直接替代的,其實(shí)是搭建和拍攝等中期工作。因?yàn)锳I對(duì)物理世界的模擬還原,可以通過(guò)不斷訓(xùn)練來(lái)接近真實(shí)水平。
以上僅僅是Sora對(duì)影視產(chǎn)業(yè)的部分改變推演。至于對(duì)于游戲、廣告、短視頻創(chuàng)作等細(xì)分領(lǐng)域,變革肯定遠(yuǎn)大于問(wèn)題。AI的應(yīng)用,其革命性的變化,肯定波瀾壯闊。而國(guó)內(nèi)大廠(chǎng),在AI應(yīng)用的商業(yè)化探索上,顯然更愿意發(fā)力和嘗試。
同樣,根據(jù)周亞輝的朋友圈劇透,“Open AI很快會(huì)發(fā)布GPT4.5,而且估計(jì)會(huì)故意選擇Anthropic發(fā)布Claude3的時(shí)候發(fā)布。”最新迭代版本的Open AI除了Sora生成式視頻外,還有什么令人驚艷的創(chuàng)新,應(yīng)該是國(guó)內(nèi)大廠(chǎng)從事大模型戰(zhàn)略和業(yè)務(wù)部門(mén),最關(guān)心的事情。
最后,對(duì)于文生視頻而言,是立足于+AI做大模型應(yīng)用,還是立足于AI+去訓(xùn)練升級(jí)自己的原生態(tài)大模型。顯然,美國(guó)大公司與中國(guó)大公司已經(jīng)分別做出了自己的選擇。
文章內(nèi)容僅供閱讀,不構(gòu)成投資建議,請(qǐng)謹(jǐn)慎對(duì)待。投資者據(jù)此操作,風(fēng)險(xiǎn)自擔(dān)。
2024年的Adobe MAX 2024發(fā)布會(huì)上,Adobe推出了最新版本的Adobe Creative Cloud。
奧維云網(wǎng)(AVC)推總數(shù)據(jù)顯示,2024年1-9月明火炊具線(xiàn)上零售額94.2億元,同比增加3.1%,其中抖音渠道表現(xiàn)優(yōu)異,同比有14%的漲幅,傳統(tǒng)電商略有下滑,同比降低2.3%。
“以前都要去窗口辦,一套流程下來(lái)都要半個(gè)月了,現(xiàn)在方便多了!”打開(kāi)“重慶公積金”微信小程序,按照提示流程提交相關(guān)材料,僅幾秒鐘,重慶市民曾某的賬戶(hù)就打進(jìn)了21600元。
華碩ProArt創(chuàng)藝27 Pro PA279CRV顯示器,憑借其優(yōu)秀的性能配置和精準(zhǔn)的色彩呈現(xiàn)能力,為您的創(chuàng)作工作帶來(lái)實(shí)質(zhì)性的幫助,雙十一期間低至2799元,性?xún)r(jià)比很高,簡(jiǎn)直是創(chuàng)作者們的首選。
9月14日,2024全球工業(yè)互聯(lián)網(wǎng)大會(huì)——工業(yè)互聯(lián)網(wǎng)標(biāo)識(shí)解析專(zhuān)題論壇在沈陽(yáng)成功舉辦。