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SteveGates)，文章介紹了包括Phenaki 、ImagenVideo、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。

　　原文

　　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。

　　01Google：Phenaki & Imagen Video

　　在現象級產品ChatGPT大放異彩之時，Google的文生視頻(Textto 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-TellingVideo)。

　　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 thecampfire 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ImagenVideo，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。

　　02Meta：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 & ImagenVideo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(Textto 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(Textto 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”

　　03百度：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。

　　視頻觀看可關注“適道”公眾號(ID：survivalbiz)，在消息框中回復“VidPress”即可獲得。

　　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DALLE、Imagen和StableDiffusion涌現，這將助力AI生成內容產業突破變現難等商業化瓶頸。

　　04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(Dogand 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*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MistralAI，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*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*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。