抖音快手新戰(zhàn)場(chǎng)，視頻生成大模型的同與異

　　動(dòng)態(tài)視頻生成AI應(yīng)用正在迎來(lái)新的變數(shù)。

　　2023 年，Runway 發(fā)布了文生視頻/圖生視頻大模型 Gen-2 ;2024年初， OpenAI 的 Sora 展示視頻又掀起了一波討論，不過(guò)目前 Runway 缺乏漢化版本， Sora 還處于未公開(kāi)階段，被外界戲稱為期貨，而瞅準(zhǔn)了這段空窗時(shí)間，國(guó)內(nèi)也見(jiàn)縫插的發(fā)布相關(guān)模型/應(yīng)用，發(fā)布者是國(guó)內(nèi)最大的兩個(gè)短視頻平臺(tái)——抖音和快手

　　今年 6 月份，快手開(kāi)放了可靈AI大模型使用申請(qǐng)，號(hào)稱“全球首個(gè)普通用戶可用的真實(shí)影像級(jí)視頻生成大模型”，此后不斷升級(jí)并在 7 月 25日全面開(kāi)放內(nèi)測(cè)，同時(shí)正式上線了會(huì)員體系;緊接著在 7 月底和 8 月初，字節(jié)的即夢(mèng)AI的 1.0.0 版本正式上架到安卓/蘋(píng)果應(yīng)用商店，而在此前 5 月份，剪映 Dreamina 官方就已宣布其品牌的中文名為“即夢(mèng)”，并上線相關(guān) AI 視頻生成功能。

　　與國(guó)外不同的是，國(guó)內(nèi)的AI視頻生成大模型不出所料地由最大的兩個(gè)短視頻平臺(tái)先發(fā)制人入局。但具體而言，即夢(mèng)AI和可靈AI的初期的應(yīng)用布局不盡相同，之于其母公司的意義也大相徑庭，畢竟字節(jié)內(nèi)還有豆包，可靈AI之于快手，更接近于“全村的希望”這一角色。

　　另一方面，二者生成的AI視頻風(fēng)格顯然有著差別，即夢(mèng)似乎更擅長(zhǎng)動(dòng)畫(huà)風(fēng)，可靈卻卷向影像風(fēng)。二者的這種差異與前期的布局不無(wú)關(guān)系，雖然目前還無(wú)法說(shuō)明彼此模式的優(yōu)劣幾何，但從當(dāng)下的輿論來(lái)看，影像風(fēng)的AI視頻似乎要更有新鮮感。

　　01、即夢(mèng)VS可靈，特性和地位大不相同

　　從目前輿論偏向來(lái)看，字節(jié)即夢(mèng)AI的視頻生成表現(xiàn)不如快手可靈AI�！缎铝�場(chǎng)》認(rèn)為，這來(lái)源于其各自的視頻剪輯平臺(tái)剪映和快影本身的特性不同，以及整個(gè)字節(jié)系和快手系對(duì)AI的布局也有所差別。

　　剪映的即夢(mèng)AI作為一個(gè)單獨(dú)的移動(dòng)應(yīng)用需要更長(zhǎng)的上線周期，而快手選擇了直接將移動(dòng)端的應(yīng)用搭載于其視頻剪輯平臺(tái)快影上，極大縮短功能全面上線的周期和難度。

　　不過(guò)關(guān)于剪映為何要重新開(kāi)辟出一個(gè)應(yīng)用，在《新立場(chǎng)》看來(lái)，不管是從月活提升需求，App體量，以及收費(fèi)模式來(lái)看，剪映都必須將即夢(mèng)AI單獨(dú)開(kāi)辟出一個(gè)應(yīng)用。

　　首先剪映本身的月活用戶在整個(gè)移動(dòng)端視頻剪輯這個(gè)賽道來(lái)看早已一騎絕塵，據(jù) Qusetmobile 此前的數(shù)據(jù)顯示約有一億，這甚至不包括剪映的海外版 CapCut ，因此剪映更需要考慮的是就將其直接集成到剪映本身的App上的性價(jià)比。

　　由于剪映上本來(lái)已有相關(guān)AI圖生圖的功能模塊，以及特定模式的圖生視頻模塊，加之剪映自身又十分吃手機(jī)內(nèi)存，若將即夢(mèng)AI的視頻生成所有功能作為一個(gè)模塊植入剪映，會(huì)使得剪映本身變得更加臃腫。

　　并且收費(fèi)模式的平衡也是個(gè)問(wèn)題，如果將即夢(mèng)AI直接植入剪映，那么只可能有兩種收費(fèi)模式：1、直接一刀切提高剪映整體會(huì)員收費(fèi)，2、或者在會(huì)員收費(fèi)基礎(chǔ)上，即夢(mèng)AI相關(guān)功能另外收費(fèi)。然而目前剪映的會(huì)員費(fèi)用已經(jīng)不算低了，這兩個(gè)模式對(duì)于原本的剪映用戶來(lái)說(shuō)都會(huì)難以接受。

　　但對(duì)于快手的快影來(lái)說(shuō)，這三方面情況又恰好跟剪映相反：與剪映相比月活提升空間更大，可以靠更多的更強(qiáng)大的AI功能模塊來(lái)引流;App本身體量也不算大，原本的會(huì)員費(fèi)也用遠(yuǎn)遠(yuǎn)低于剪映，目前剪映包年會(huì)員費(fèi)用是499元，而快影連續(xù)包年88元，費(fèi)用可提升空間還很大，因此可靈AI作為功能模塊植入是目前更優(yōu)的解法。

　　另一方面，可靈AI跟即夢(mèng)AI在內(nèi)部的地位大不相同。

　　在字節(jié)系內(nèi)應(yīng)用層面，除了即夢(mèng)AI，還有聊天機(jī)器人豆包，豆包跟即夢(mèng)一樣擁有單獨(dú)的移動(dòng)端 App，同時(shí)也植入在了諸如飛書(shū)的字節(jié)系應(yīng)用平臺(tái)上。根據(jù) Similarweb 的榜單，在 7 月，豆包的訪問(wèn)量已經(jīng)排到了國(guó)內(nèi)第四(前三分別是Kimi，文心一言以及通義)。除此之外字節(jié)在應(yīng)用層還有其他諸如貓箱、星繪等AI應(yīng)用，但由于這些應(yīng)用的存在感并算不高，在此就不多贅述。

　　而反觀快手，早前發(fā)布的快意大模型在應(yīng)用層面水花并不算大，可靈AI應(yīng)用一上線即引起了廣泛關(guān)注。

　　8 月 27 日，在快手的光合創(chuàng)作者大會(huì)上，快手蓋坤透露，已有超過(guò) 160 萬(wàn)人使用過(guò)快手的視頻生成大模型可靈AI，并累計(jì)生成超 1600 萬(wàn)條視頻。甚至在 7 月的 Similarweb 榜單上，可靈AI排到了國(guó)內(nèi)第 18 位，是目前國(guó)內(nèi)排名最高的視頻生成類AI應(yīng)用。

　　只不過(guò)由于即夢(mèng)AI的 app 正式上線和可靈AI的內(nèi)測(cè)開(kāi)放都是在 7 月，我們還需要等待 8 月榜單的發(fā)布以得出進(jìn)一步的結(jié)論。

　　據(jù)悉，早在 Sora 展示視頻發(fā)布后不久，就有相關(guān)人士猜測(cè)其模型為“Diffusion模型和Transformer模型的結(jié)合”，簡(jiǎn)單來(lái)說(shuō)就是 Transformer 理解文字，Diffusion 擴(kuò)展圖片。而在可靈AI官網(wǎng)的介紹中也提到：“基于對(duì)文本-視頻語(yǔ)義的深刻理解和 Diffusion Transformer 架構(gòu)。”

　　據(jù)業(yè)內(nèi)人士稱，這樣的架構(gòu)在今年年初時(shí)業(yè)內(nèi)就已普遍開(kāi)始研究。也就是說(shuō)，快手開(kāi)始研究可靈AI也許還要更早一點(diǎn)。雖然 Diffusion 和 Transformer 結(jié)合并不能算一個(gè)Creative idea，但那時(shí)國(guó)內(nèi)的大多大模型廠商還在各種通用百模大戰(zhàn)之中，能選定視頻生成這樣一個(gè)更具體甚至是投入更大的賽道，并非一個(gè)容易事。

　　對(duì)于字節(jié)來(lái)說(shuō)，豆包和即夢(mèng)盡管是不同的團(tuán)隊(duì)在負(fù)責(zé)，但就以上的榜單來(lái)看，比起即夢(mèng)AI，豆包AI在如今各方AI應(yīng)用大戰(zhàn)白熱化的階段，似乎更加能夠幫字節(jié)搏出位。因此，可靈和即夢(mèng)之于其母公司的意義是完全不同的。

　　可靈AI之于快手，也自然接近于“全村的希望”這一角色。

　　02、即夢(mèng)擅長(zhǎng)動(dòng)畫(huà)風(fēng)，可靈卷向影像風(fēng)

　　OpenAI 目前在全球 AI 界獨(dú)領(lǐng)風(fēng)騷除了自身技術(shù)的領(lǐng)先，也與其優(yōu)先發(fā)布奠定的用戶心智以及獲取了更多真實(shí)數(shù)據(jù)訓(xùn)練機(jī)會(huì)有關(guān)。只是問(wèn)題在于，視頻生成式AI的先手優(yōu)勢(shì)，是否會(huì)有聊天機(jī)器人AI影響那么大，在OpenAI看來(lái)，也許并不大，不然 Sora 也不會(huì)如此不慌不忙。

　　事實(shí)上除去 OpenAI 這一極端案例，就國(guó)內(nèi)的 AI 聊天機(jī)器人而言，單純的時(shí)機(jī)先手優(yōu)勢(shì)也不重要，甚至原本平臺(tái)的規(guī)模優(yōu)勢(shì)也不重要。 OpenAI 之后，國(guó)內(nèi)大廠最先刷存在感的大模型是百度的文心一言，2023 年 3 月份就已上線，而目前流量排名第一的 AI 應(yīng)用卻是獨(dú)角獸 Kimi ，上線于 2023 下半年。

　　原因在于，在聊天機(jī)器人這個(gè)賽道，Kimi 占據(jù)的是某個(gè)特定內(nèi)容模式的先手優(yōu)勢(shì)。

　　以 Kimi 和文心一言、通義等AI的模式作為對(duì)比來(lái)看，大廠的這些 AI 聊天機(jī)器人一開(kāi)始就學(xué)著 OpenAI 的 GPT ，沖著更全面更通用的方向去的，這必然會(huì)導(dǎo)致不管是獲客層面還是模型訓(xùn)練層面都會(huì)廣而不精。而 Kimi 盡管也是通用大模型，但卻有一個(gè)非常精準(zhǔn)且高效的切入點(diǎn)——主要應(yīng)用場(chǎng)景為專業(yè)學(xué)術(shù)論文的翻譯和理解、輔助分析法律問(wèn)題、快速理解AAPI開(kāi)發(fā)文檔等。顯而易見(jiàn)，這方面的內(nèi)容更具有邏輯性，對(duì)于 AI 來(lái)說(shuō)相對(duì)更容易理解和輸出。

　　也就是說(shuō)，Kimi 背后的月之暗面比大廠都更早錨定了初期的核心付費(fèi)用戶以及商業(yè)化模式，加之足夠堅(jiān)定的營(yíng)銷投入以及精準(zhǔn)的營(yíng)銷獲客渠道，有助于 Kim 實(shí)現(xiàn)生成內(nèi)容質(zhì)量上的滾雪球。

　　據(jù)《智能涌現(xiàn)》報(bào)導(dǎo)，月之暗面在B站的轉(zhuǎn)化人均成本報(bào)價(jià)高達(dá) 30 元左右。 這個(gè)價(jià)格不僅在AI界，在大多數(shù)領(lǐng)域也算十分高昂。 從競(jìng)價(jià)廣告的邏輯來(lái)看，其出價(jià)更高也意味著將分到更多的流量。 不過(guò)也許對(duì)于Kimi來(lái)說(shuō)是值得的，畢竟其核心受眾群體跟B站用戶重合度也比較高。

　　而在視頻生成AI這個(gè)賽道，可靈AI掌握的也是內(nèi)容模式的先手優(yōu)勢(shì)。

　　實(shí)際上，目前市面上早已不缺某個(gè)特定模式下的AI視頻生成應(yīng)用，例如此前很火的各種AI動(dòng)畫(huà)風(fēng)格，瞬息全宇宙風(fēng)格，各種日漫游戲風(fēng)格，以及靜態(tài)人物照片生成某個(gè)特定動(dòng)態(tài)表情的應(yīng)用等……這些應(yīng)用往往體量小，更加容易達(dá)成商業(yè)化。比如現(xiàn)在抖音用戶正在嘗試的“AI擁抱”——輸入兩個(gè)人單獨(dú)的照片，即可生成二者擁抱的動(dòng)態(tài)視頻。

　　據(jù)悉，這個(gè)功能來(lái)自一個(gè)叫做魅臉的小程序。而該小程序商業(yè)化方式十分粗暴，安卓端生成三次擁抱視頻收費(fèi)9.9元。并且不管是抖音還是快手上都有這個(gè)小程序。

　　但顯然，以上這些AI視頻內(nèi)容模式都無(wú)法徹底給業(yè)內(nèi)帶來(lái)震撼，僅可作為C端用戶的日常娛樂(lè)消遣。而抖音用戶相比起快手用戶也更愛(ài)探討生成這類生成AI相關(guān)的內(nèi)容(以兩個(gè)平臺(tái)月活用戶和AI話題瀏覽量的比值差距得出)。

　　不知是否有受到自身平臺(tái)這些視頻內(nèi)容模式的影響，不管是如今社交媒體上的一些測(cè)評(píng)結(jié)果，還是《新立場(chǎng)》自主測(cè)評(píng)結(jié)果來(lái)看，即夢(mèng)AI生成的內(nèi)容確實(shí)在某些特定的底圖和描述詞之下表現(xiàn)更佳;而更多時(shí)候，快手的可靈AI生成的視頻，物體動(dòng)態(tài)和光影更自然，畫(huà)面質(zhì)感更佳。不過(guò)在移動(dòng)端，可靈AI生成內(nèi)容的速度要慢于即夢(mèng)AI。

　　以上兩個(gè)視頻是同一張鮮花照片作為底圖，輸入同樣的描述詞過(guò)后兩個(gè)AI各自生成的效果。即夢(mèng)AI的生成內(nèi)容更奔放更有動(dòng)畫(huà)感，可靈AI則是更克制更有靈氣的影像感，目前的輿論也確實(shí)更偏向于認(rèn)可后者這種自然的影像風(fēng)格。

　　也就是說(shuō)，可靈AI也許跟 Kimi 一樣，提前想清楚了自己首先要服務(wù)的那部分核心用戶以及內(nèi)容模式——對(duì)影像有更高要求的人群，并預(yù)想到了只有這種內(nèi)容模式才能夠給業(yè)內(nèi)帶來(lái)一些新的變數(shù)。

　　這時(shí)再看抖音方公布即夢(mèng)AI這個(gè)中文名字時(shí)，快手的可靈AI很可能已經(jīng)在為上線做準(zhǔn)備了。

　　03、寫(xiě)在最后

　　不過(guò)，由于抖快各自掌握著流量龐大的視頻內(nèi)容宣發(fā)渠道，所以如果有一天抖音的即夢(mèng)AI生成的內(nèi)容確實(shí)明顯更讓用戶驚嘆，倒也不難通過(guò)自身平臺(tái)向用戶傳遞這一信息。

　　正如一些特定的小程序或AI應(yīng)用一樣，此前僅僅一個(gè)熱門挑戰(zhàn)，熱門視頻，就可以掀起新的一輪圖生視頻浪潮，即夢(mèng)AI當(dāng)然也可以用自身平臺(tái)的優(yōu)勢(shì)達(dá)到口碑反轉(zhuǎn)，只是可能很難再以原本動(dòng)畫(huà)風(fēng)格的內(nèi)容形式出圈，用戶可能正在對(duì)這些動(dòng)畫(huà)風(fēng)格的生成內(nèi)容失去新鮮感(并且動(dòng)畫(huà)方向的版權(quán)問(wèn)題更大)。

　　所以即夢(mèng)AI接下來(lái)需要繼續(xù)發(fā)力的點(diǎn)，也許就是可靈AI的影像風(fēng)格。

　　此外，即便Kimi、阿里、百度等大廠主導(dǎo)的聊天機(jī)器人這個(gè)賽道目前還算是和平共處，但快手和抖音帶起的AI視頻生成浪潮效果卻是立竿見(jiàn)影，更考驗(yàn)?zāi)Ｐ捅旧淼膬?nèi)容生成質(zhì)量和進(jìn)化速度，接下來(lái)其他大模型廠商很有可能也會(huì)加入到這場(chǎng)AI生成視頻的競(jìng)爭(zhēng)中。

　　按照本文的邏輯，有著視頻號(hào)同時(shí)也有強(qiáng)大配套娛樂(lè)產(chǎn)業(yè)的騰訊，在傳統(tǒng)互聯(lián)網(wǎng)大廠中似乎更有優(yōu)勢(shì)，但那就是后話了。