文生視頻大模型，短視頻的過彎點？

來源 | 伯虎財經(jīng)（bohuFN）

作者 | 楷楷

隨著今年初Sora的橫空出世，這個可以創(chuàng)建長達(dá)一分鐘視頻的文生視頻模型就成為了國內(nèi)廠商追逐的焦點。

6月初，快手自研的視頻生成大模型“可靈”正式上線?？伸`AI采用了與Sora相似的技術(shù)路線，能夠生成具有合理運動和模擬物理世界特性的視頻。

截至目前，已有超百萬人排隊申請內(nèi)測資格，其中超30萬人已獲得試用資格，累計生成超700萬條短視頻。近日，可靈AI終于宣布全面開放內(nèi)測，同時上線付費會員體系。

其他廠商也在迅速跟進(jìn)。7月，智譜AI 推出AI生成視頻模型智譜清言，用戶可在30秒內(nèi)免費生成6秒視頻。

目前來看，被稱為“國產(chǎn)版Sora”的可靈AI不僅熱度頗高，用戶對其評價也不錯，在Sora橫空出世卻遲遲未有完善產(chǎn)品落地的背景下，可靈AI甚至被視為“業(yè)內(nèi)最佳”。

文生視頻大模型目前效果如何？為什么廠商們紛紛開始卷文生視頻大模型？對于短視頻的競爭格局會有哪些影響？

01 劍走偏鋒，“可靈”大力出奇跡

可靈AI上線至今還不夠兩個月，已經(jīng)經(jīng)歷了三次迭代更新，從最開始的文生視頻，到現(xiàn)在已可支持圖生視頻、視頻續(xù)寫、多尺寸選擇，在生成細(xì)節(jié)、構(gòu)圖、運鏡美觀性、光影方面都有很大改善。

據(jù)快手視覺生成與互動中心負(fù)責(zé)人萬鵬飛表示，?可靈AI生成的視頻分辨率高達(dá)1080p，時長最高可達(dá)2分鐘（幀率30fps），單次文生視頻時長已增至10秒，這一指標(biāo)已超越了目前市場上大多數(shù)視頻生成工具。

當(dāng)下，布局文生視頻賽道的大廠和創(chuàng)業(yè)公司并不少，不過大部分都沒有公布文生視頻模型的參數(shù)量級，快手也表示“不便透露”。因此，各企業(yè)均主要圍繞生成視頻的時長、視頻的分辨率等指標(biāo)展開比拼。
目前來看，能實現(xiàn)“分鐘級”內(nèi)容生產(chǎn)能力的，之前僅有Sora一顆獨苗，能夠生成長達(dá)60秒的高清視頻，現(xiàn)在可靈AI則刷新了這一指標(biāo)，將生成視頻時長拉長至2分鐘。

縱觀其它同類競品，騰訊宣布旗下文生視頻模型生成時長達(dá)到了16秒，預(yù)計在三季度達(dá)到20秒；字節(jié)旗“即夢”最長支持生成12秒視頻；美國創(chuàng)企Runway支持生成10秒左右的視頻，最多可延長至18秒，但大部分文生視頻產(chǎn)品的生成時長都在10秒左右。

所以，光看“時長”這一點，可靈AI確實暫時處于領(lǐng)先狀態(tài)；而從“生成內(nèi)容”這點來看，大部分用戶的評價均是“遠(yuǎn)超預(yù)期”。

比如跟Runway的Gen-3相比，其只有文生視頻功能，但沒有圖生視頻功能；而可靈AI通過迭代新增的運鏡控制、首尾幀自定義等功能，也獲得了用戶的一致好評。

當(dāng)然，可靈AI也還稱不上“完美”，有用戶認(rèn)為其對藝術(shù)風(fēng)格、攝影語言容易把握不準(zhǔn)確，但在“吃東西”這一領(lǐng)域，可靈AI的表現(xiàn)要比其他產(chǎn)品更優(yōu)秀，這可能也跟快手短視頻更擅長真實畫風(fēng)有關(guān)。

雖然，目前還不能說可靈AI已經(jīng)能在業(yè)內(nèi)“一騎絕塵”，但至少已做到了“一鳴驚人”，這樣的成績背后，則是快手版的“大力出奇跡”。

程序員出身的快手CEO程一笑，早在去年初快手就啟動新的AI戰(zhàn)略，聚焦大語言模型、視覺生成模型、多模態(tài)模型等方向。

去年10月，快手重啟了一個名為“噗嘰”的項目，是一款將靜態(tài)圖片生成Gif表情包的工具軟件，這也是可靈AI的前身。

真正的變量則是今年初Sora的重磅發(fā)布，這讓萬鵬看到了DiT（新型視頻生成架構(gòu)）的可行性，快手才開始探索打造“中國版Sora”。

據(jù)自媒體“硅星人Pro”報道，可靈項目開始后不到一個月，就獲得了程一笑的支持，上升為公司戰(zhàn)略級項目?？伸`團(tuán)隊也很清楚，項目就是要趕在前面，搶先市場，否則就沒有意義。

可靈AI從3月立項到6月上線，僅僅花了3個月的時間，除了快手內(nèi)部的資金、資源向其傾斜之外，技術(shù)大牛的加入也加速了可靈項目的研發(fā)創(chuàng)新，比如曾任騰訊AI實驗室高級研究員的王鑫濤加入了快手視覺生成與互動中心。

引用知乎用戶“小林不加班”的回答，可靈AI采用了類Sora的技術(shù)路線，并結(jié)合了多項自研創(chuàng)新技術(shù)，對視頻處理、生成能力以及空間壓縮，這三個問題進(jìn)行優(yōu)化，使得模型效率和性能提高、能夠捕捉到更寬廣的特征范圍，模型對細(xì)節(jié)的識別能力也隨之增強。

02 大廠加速，押注下一個爆款

想做“中國版Sora”的可不止快手，據(jù)晚點LatePost報道，今年一季度，字節(jié) AI 研發(fā)團(tuán)隊將視頻生成模型的優(yōu)先級排在了前面；百度在年初推出的視頻生成模型UniVG，也被業(yè)內(nèi)視為與Runway Gen-2相當(dāng)。

另外，文生視頻領(lǐng)域開源產(chǎn)品的能力也在提升。今年3月，潞晨科技開源了旗下Open-Sora 1.0視頻生成模型，目前能單次生成大概20秒的視頻，隨著開源平臺的普及和能力提升，未來或許還會有更多文生視頻應(yīng)用落地。當(dāng)然，還有業(yè)內(nèi)公認(rèn)最強的對手Sora。

廠商們之所以紛紛下注，一方面是因為行業(yè)內(nèi)確實存在海量的需求。相比于語言，視頻和圖片更接近文字，國內(nèi)一些企業(yè)包括美圖等，早已支持“一鍵AI美顏”的功能。

另一方面，隨著“百模大戰(zhàn)”逐漸退燒，當(dāng)下的大模型企業(yè)已經(jīng)不再盲目追求通用大模型的規(guī)模，而是更傾向?qū)⒋竽Ｐ图傻疆a(chǎn)品和服務(wù)，解決實際問題并創(chuàng)造真正的商業(yè)價值。

而快手之所以能夠先拔頭籌，首先是因為快手作為頭部短視頻平臺，積累了大量的視頻內(nèi)容，同時還通過智能算法對這些內(nèi)容進(jìn)行細(xì)致的分類和標(biāo)注，這些視頻數(shù)據(jù)已經(jīng)被“清洗干凈”，可以直接供可靈AI使用。

而在硬件儲備方面，一直以來，快手與英偉達(dá)就基于視頻處理有著深度合作。早在2019年，快手便聯(lián)手英偉達(dá)部署GPU計算基礎(chǔ)架構(gòu)，能讓業(yè)務(wù)性能平均增長了2倍，成本較之前節(jié)省了 30% 以上。快手在算力方面的未雨綢繆，也為可靈項目的快速推進(jìn)打下了基礎(chǔ)。

最后，當(dāng)然是快手給了可靈項目最大的資源協(xié)調(diào)，有別于字節(jié)、阿里、騰訊等大廠，它們不僅要投入通用大模型的研發(fā)，旗下也有不止一個AIGC項目，“桃子”那么多，哪個最先成熟，似乎還得看時機。

不過，即便可靈AI已經(jīng)“先跑一步”，也并不意味著其就能安枕無憂。一來，目前在文生視頻領(lǐng)域并不存在斷層式的技術(shù)領(lǐng)先。

愛詩科技創(chuàng)始人王長虎表示，Sora最重要的貢獻(xiàn)是驗證了視頻生成的規(guī)模定律。今年以來，文生視頻領(lǐng)域之所以能夠快速發(fā)展，正是因為Sora的出現(xiàn)驗證出了一條技術(shù)可行性的道路。

但既然文生視頻在技術(shù)上沒有秘密，接下來類似產(chǎn)品拼的無非是算力規(guī)模、訓(xùn)練數(shù)據(jù)等。業(yè)內(nèi)人士預(yù)計，目前各家大模型廠商都具備了視頻生成能力，只是礙于算力成本以及視頻效果而未有全面鋪開，但這也不過是時間的問題。

二來，若只論算力，快手在國內(nèi)只算是第二梯隊。中信證券曾簡單估算，生成一個60幀的視頻（約6至8秒），Sora要生成至少約120萬個token，推理算力需求遠(yuǎn)大于文生文。

如果可靈AI持續(xù)迭代，將會對快手提出更高的算力要求，在全面公測以后，快手還能否繼續(xù)向用戶增加生成視頻的時間，等待時間會否越來越長，其算力“天花板”到底在哪里，恐怕只有快手自己知道了。

事實上，包括快手在內(nèi)，國內(nèi)同行在文生視頻領(lǐng)域均采取較為現(xiàn)實的推進(jìn)方式，即保持研發(fā)進(jìn)度，階段性地產(chǎn)出落地。簡單來說，就是先做產(chǎn)品再優(yōu)化，趕進(jìn)度先拿下市場。

03 快手試水商業(yè)化，意在生態(tài)

Similarweb數(shù)據(jù)顯示，可靈AI在6月初開放之后，網(wǎng)站用戶流量呈現(xiàn)上升態(tài)勢，7月用戶峰值接近10萬DAU水平。月狐iApp數(shù)據(jù)顯示，接入可靈AI的快影App，7月后周均DAU較6月初提升了100萬左右。

可靈AI用戶快速增長背后，一方面是因為用戶對文生視頻的“好奇”。月狐數(shù)據(jù)對與可靈AI相關(guān)的社交媒體用戶評論數(shù)據(jù)進(jìn)行了分析，用戶情緒主要表現(xiàn)為好奇、興奮、期待和滿意。

另一方面也少不了快手的助推。比如在快手平臺中，帶#可靈#相關(guān)話題標(biāo)簽的作品會獲得更多流量扶持；可靈AI也推出了AI相關(guān)的內(nèi)容創(chuàng)作活動，包括可靈AI x 快影視頻創(chuàng)作大賽、復(fù)活古畫定向話題投稿活動。

用戶規(guī)模是產(chǎn)品商業(yè)化的土壤，基于此，外界對于可靈商業(yè)化的想象空間也被進(jìn)一步打開。目前，可靈AI已經(jīng)上線了付費會員體系，分為黃金、鉑金、鉆石三個級別，月卡價格分別為66元、266元和666元，對應(yīng)生成約66個、300個或800個標(biāo)準(zhǔn)視頻。

對比Runway Gen-3 Alpha最低12美元/月；Luma Dream Machine標(biāo)準(zhǔn)版29.99 美元/120次的價格，可靈AI的定價并不算高。而且，據(jù)接近快手人士透露，可靈AI暫無商業(yè)化計劃。

這就意味著通過會員模式來盈利，還不是可靈的首要目的。萬鵬曾公開表示，（可靈出現(xiàn)以后），視頻創(chuàng)作的門檻和效果的ROI大幅度提升，視頻創(chuàng)作者和消費者界限逐漸模糊，越來越多消費者變成創(chuàng)作者，對于視頻創(chuàng)作生態(tài)的繁榮是非常有價值的。

以最近的《山海奇鏡之劈波斬浪》和《三星堆：未來啟示錄》為例，前者是抖音和博納合作的AI科幻短劇，后者則是快手原創(chuàng)的AI奇幻短劇。毫無疑問，AI技術(shù)可以極大程度的豐富平臺內(nèi)容。

因此，爭奪更多內(nèi)容創(chuàng)作者，繁榮快手平臺生態(tài)，才是可靈AI的當(dāng)務(wù)之急。據(jù)快手2024年一季度財報顯示，快手實際月活人數(shù)為6.97億，較上一季度環(huán)比下降0.4%，呈現(xiàn)流失趨勢。

通過引入可靈AI，不僅能幫助創(chuàng)作者降低創(chuàng)作門檻，提升短視頻制作質(zhì)量和效率，也能為快手的內(nèi)容生態(tài)注入新鮮能量。比如在B站等內(nèi)容平臺中，用AI二創(chuàng)視頻就成為了熱門話題，在快手平臺也有不少關(guān)于影視的梗圖創(chuàng)作。

但在幫助內(nèi)容創(chuàng)作者變現(xiàn)的同時，快手也打好了“提前量”。今年6月，快手電商發(fā)布了使用AIGC能力直播的倡議公告，鼓勵商家/達(dá)人和老鐵們進(jìn)行良好互動，但對于使用AIGC能力輔助創(chuàng)作的內(nèi)容相較于其他實時直播內(nèi)容，平臺不會給予特殊的流量扶持，避免商家濫用AIGC帶來大量低質(zhì)量視頻內(nèi)容。

或許，可靈AI不是快手內(nèi)容生態(tài)的“靈丹妙藥”，但有噱頭就有熱度，目前快手需要的正是這份“繁榮”。

近年，快手的直播收入出現(xiàn)了下滑的趨勢，但今年一季度其廣告、電商業(yè)務(wù)都有雙位數(shù)的增長，這意味著快手從去年底開始放開泛貨架場景流量入口的策略已經(jīng)起效。但貨架電商的核心是搜索，這就驅(qū)使快手不得不將內(nèi)容繁榮放在第一位，只有更多的人氣，才會有更多的搜索。

接下來，探索新的內(nèi)容形態(tài)將會是AIGC時代下的短視頻發(fā)展的必經(jīng)之路，而快手的“一小步”，將是整個短視頻行業(yè)的“起步”。

雖然快手似乎無意加速商業(yè)化，但可靈AI卻一定需要商業(yè)化，畢竟燒錢以億級起算的大模型是個無底洞的吞金猛獸，快手也不能無限地提供子彈。

將目光從C端轉(zhuǎn)移到B端或更有可能，據(jù)內(nèi)部人士透露，可靈AI將部分內(nèi)測名額給了電商合作比較頻繁的MCN機構(gòu)如遙望科技和大品牌，或許也有測試電商行業(yè)素材的考慮。

有業(yè)內(nèi)人士表示，拍攝一條高質(zhì)量3D動畫視頻，成本要按秒來計算，幾十萬成本也下不來，而可靈、Sora的出現(xiàn)可以起到增強作用，比如視頻某個鏡頭不行就用AI視頻來填充。

當(dāng)然，要實現(xiàn)這樣的效果，整個視頻生產(chǎn)大模型行業(yè)還需要持續(xù)進(jìn)化，但對于“可靈們”來說，這樣的路徑才更為現(xiàn)實，不僅能夠改變短視頻生態(tài)，還可以賦能產(chǎn)業(yè)端，比如通過學(xué)習(xí)爆款視頻的文本結(jié)構(gòu)，一鍵生成與商家產(chǎn)品素材匹配的視頻。

目前，各大廠都在卷大模型，但誠如百度李彥宏所言，應(yīng)用才是大模型落地的根本?！翱伸`們”的第一步是繁榮內(nèi)容生態(tài)，但更關(guān)鍵的卻是第二步，如何讓大模型賦能生態(tài)，為平臺帶來增量效益，才是“可靈們”要思考的問題。

*文章封面首圖及配圖，版權(quán)歸版權(quán)所有人所有。若版權(quán)者認(rèn)為其作品不宜供大家瀏覽或不應(yīng)無償使用，請及時聯(lián)系我們，本平臺將立即更正。