Google全新發(fā)布AI視頻Veo2、AI繪圖Imagen3 - 何以凌越

　　大半夜的，OpenAI的垃圾直播沒任何看頭，就發(fā)了個(gè)個(gè)性化的AI搜索。

　　但是，Google沒有預(yù)告、沒有營銷，默默的在X上發(fā)了兩個(gè)大貨。

　　當(dāng)今最先進(jìn)的AI視頻模型Veo2，還有AI繪圖模型Imagen3改進(jìn)版。

　　我們一群人，一邊看效果，一邊不斷的驚呼臥槽。

　　我?guī)缀鯊膩聿皇褂谜�裂這個(gè)詞，但是AI視頻Veo2的效果，真的讓我有點(diǎn)想歡呼，甚至，有點(diǎn)像2月16號(hào)那個(gè)宿命的一夜，看Sora的感覺。

　　一個(gè)一個(gè)來說。

　　一. AI視頻Veo2

　　不說廢話，先看視頻。

　　說實(shí)話，這些視頻，我都不愿意轉(zhuǎn)成gif，而是直接傳視頻上來給大家看。

　　這個(gè)審美、這個(gè)穩(wěn)定性、這個(gè)真實(shí)質(zhì)感、這個(gè)物理規(guī)律，當(dāng)?shù)闷甬?dāng)今最強(qiáng)的稱號(hào)。

　　真的，物理之神，特別是那個(gè)切番茄的視頻，我一度真的懷疑是實(shí)拍的，太恐怖了。

　　而且，我看了一圈Prompt，發(fā)現(xiàn)對(duì)拍攝風(fēng)格、角度、運(yùn)動(dòng)等等的語義理解，都極佳。

　　比如這個(gè)汽車飛馳的視頻，Prompt里寫的就是:

　　“低角度跟蹤鏡頭，18mm 鏡頭。汽車漂移，留下光線和輪胎煙霧的軌跡，創(chuàng)造出視覺上引人注目且抽象的構(gòu)圖。相機(jī)低位跟蹤，捕捉到流線型的橄欖綠色肌肉車駛向一個(gè)拐角。當(dāng)汽車進(jìn)行戲劇性的漂移時(shí)，鏡頭變得更加風(fēng)格化。旋轉(zhuǎn)的輪子和翻滾的輪胎煙霧，在周圍城市燈光和鏡頭光暈的照射下，形成了在黑色瀝青上劃出的光線和色彩的條紋。城市景觀--黃色出租車、霓虹燈和行人--變成了模糊的抽象背景。體積光照增加了深度和氛圍，將場(chǎng)景轉(zhuǎn)變?yōu)橐粋�(gè)視覺上引人注目的運(yùn)動(dòng)、光線和城市能量的構(gòu)圖。”

　　有那么多的開車的AI視頻鏡頭，而這，是我看過的最好的，沒有之一。

　　還有，能直接對(duì)一個(gè)運(yùn)動(dòng)的物體，用Prompt來對(duì)其進(jìn)行超級(jí)穩(wěn)定的多輪材質(zhì)變化。

　　穩(wěn)定到起飛，這也是我第一次，能在AI視頻里，見到如此穩(wěn)定的特效變換的。

　　Google自己也做了一個(gè)人類觀察者的評(píng)測(cè)，通過Meta發(fā)布的基準(zhǔn)數(shù)據(jù)集 MovieGenBench，做了1003個(gè)數(shù)據(jù)，來讓大家盲測(cè)，哪個(gè)效果更好。

　　最后得到的結(jié)果，是這樣的。

　　這塊我稍微解釋一下，有兩個(gè)表，分為Overall Preference(整體偏好度)和Prompt Adherence(提示匹配度)。

　　每個(gè)圖表的橫軸表示不同的被對(duì)比模型，分別是Meta、可靈v1.5、Minimax、Sora Turbo。

　　Google做的是把Veo2跟這些模型做點(diǎn)對(duì)點(diǎn)的盲測(cè)。真的，國產(chǎn)模型居然也能作為對(duì)比基準(zhǔn)了，突然有一股熱血涌上心頭。。。

　　而每個(gè)柱由三個(gè)部分組成，顏色代表結(jié)果分類:

　　綠色部分(Veo):評(píng)測(cè)者在對(duì)比中更偏好Veo輸出的比例。

　　白色部分(Ties):評(píng)測(cè)者認(rèn)為兩者不分上下，即沒有明顯偏好的比例。

　　粉色部分(Other preferred):評(píng)測(cè)者更偏好另一模型(非Veo)的比例。

　　以Google DeepMind濃眉大眼的一貫作風(fēng)，基本不會(huì)造假，所以能看到，Google的Veo2在大多數(shù)情況下，取得了最優(yōu)結(jié)果。

　　而在Google的評(píng)測(cè)里，除了Veo2之外，另外四個(gè)模型里，最強(qiáng)的是可靈v1.5，這個(gè)結(jié)果也是挺有趣的。

　　而且，有一點(diǎn)是需要注意的，Veo2，是可以直出4K視頻的。

　　他們?cè)赮outube上傳的視頻，也是原生4K，這個(gè)就非常的恐怖。

　　他們自己也說，目前最大的難點(diǎn)和限制，還是在運(yùn)動(dòng)上。

　　原話是:“創(chuàng)建真實(shí)、動(dòng)態(tài)或復(fù)雜的視頻，并在復(fù)雜場(chǎng)景或具有復(fù)雜運(yùn)動(dòng)的場(chǎng)景中保持完全一致性仍然是一項(xiàng)挑戰(zhàn)。”

　　來看一下他們的Badcase。

　　說是Badcase，但是我感覺他們發(fā)出來的時(shí)候估計(jì)臉上也都帶著笑，那意思就是:

　　給你們看看，爺?shù)倪\(yùn)動(dòng)有多強(qiáng)。

　　有瑕疵，但是對(duì)比Sora這種，這運(yùn)動(dòng)質(zhì)量，已經(jīng)吊炸天了。

　　Veo2網(wǎng)址在此:https://labs.google/fx/tools/video-fx

　　需要排隊(duì)，直接填一份表單就好。

　　按照Google的性格，排隊(duì)肯定要不了多久，不是OpenAI那種純粹耍猴的，絕不可能一等就是半年，應(yīng)該很快就能用上。

　　OpenAI的這波12天直播，感覺徹底把路人緣敗光了，之前Google一直被OpenAI惡心的頭疼，而這次，直接徹底反擊。

　　你喜歡狙我是吧，來來來，這次Gemini2、Veo2、Imagen3我一個(gè)一個(gè)放，你不是喜歡搶熱度嗎?來啊，這次來搶啊，看誰搶誰啊小兔崽子。

　　老虎不發(fā)威，你還當(dāng)我Google是病貓了?

　　二. AI繪圖Imagen3

　　除了Veo2之外，Google這波還直接發(fā)了他們改進(jìn)版的AI繪圖Imagen3模型，其實(shí)嚴(yán)格來說，是Imagen3-002模型，Imagen3的第二代。

　　第一代Imagen3是2024年5月14日，在谷歌的I/O開發(fā)者大會(huì)上發(fā)的。

　　半年過去，Google對(duì)Imagen3進(jìn)行了一次大幅的進(jìn)化，推出了改進(jìn)版的第二代，他們自己的評(píng)測(cè)上，直接屠榜。

　　目前無需排隊(duì)，可以直接玩，而且，免費(fèi)。

　　直接在輸入框里寫Prompt，就可以開始玩。

　　他們這個(gè)Prompt的設(shè)計(jì)，也很有意思，你可以輸入各種奇奇怪怪的一大串Prompt，他會(huì)自動(dòng)給你拆解分詞，有點(diǎn)像老羅當(dāng)年那個(gè)膠囊大爆炸的感覺，把一些詞分出來后，給你變成下拉框，自動(dòng)聯(lián)想幾個(gè)其他的選項(xiàng)。

　　比如我的prompt是:

　　一個(gè)穿著巴斯光年服裝的小黃人，身穿帶翅膀的太空游俠套裝，站在一個(gè)五彩繽紛的玩具店里，指著天空，仿佛準(zhǔn)備起飛，背景是滿滿的玩具架，生動(dòng)而富有活力的風(fēng)格，中景。

　　一個(gè)非常簡(jiǎn)單的Prompt，我們翻譯成英文后，扔到Imagen3里。

　　你會(huì)發(fā)現(xiàn)它在運(yùn)行之后，會(huì)給你選中一些詞變成下拉。

　　比如它把wings單獨(dú)拎了出來，你點(diǎn)下拉后。

　　可以自動(dòng)替換成噴氣背包、火箭助推器、滑板車等等，非常有意思。

　　我們按照它的聯(lián)想，把背飾換成噴氣背包、背景換成電子游戲機(jī)房、姿勢(shì)改成揮手告別，再跑一張看看。

　　這個(gè)交互，真的很通人性。我太喜歡了。

　　再放一些我跑的圖。

　　整體看下來，有一種感覺就是，下限賊低，很吃Prompt，要是Prompt寫不好，那其實(shí)也會(huì)出不少很丑的圖。

　　但是語義理解真的挺不錯(cuò)的，上限目前沒太測(cè)出來，可能還不錯(cuò)。

　　但是不太適合新手玩。

　　寫在最后

　　OpenAI這段時(shí)間的直播，徹底把人緣敗干凈了。

　　看了一圈，幾乎都在罵。

　　不管是國內(nèi)，還是國外。

　　再遙想今年2月16號(hào)，Google的Gemini1.5Pro被OpenAI的Sora淹的徹底沒了聲量，而現(xiàn)在，整個(gè)局勢(shì)，好像反了過來。

　　甚至，很多人都沒發(fā)現(xiàn)，之前Sora的大功臣，都已經(jīng)跳槽到Google DeepMind了。。。

　　營銷這事，真的是一把雙刃劍。

　　現(xiàn)在這OpenAI的局面，真的都是自己造的。

　　萬物皆輪回。

　　不要把自己作沒了。