圖片來(lái)源 @視覺(jué)中國(guó)

文｜腦極體

九月初的時(shí)候，AI 繪畫作品《太空歌劇院》在美國(guó)獲得了人類藝術(shù)競(jìng)賽一等獎(jiǎng)的新聞讓許多人震驚不已。學(xué)多人沒(méi)有想到，畫沙雕圖的 AI 竟然這么快就技能進(jìn)步到超越了人類。AI 作畫的時(shí)間從年初以小時(shí)為單位到現(xiàn)在短到秒級(jí)別，并且繪出的圖像質(zhì)量越來(lái)越高，幾乎接近人類專業(yè)畫家的水平。我們?cè)谏缃幻襟w中也看到越來(lái)越多的人分享他們?cè)诟鞣N AI 作畫平臺(tái)上的作品。

AI 作畫的風(fēng)頭正盛，用 AI 做視頻的應(yīng)用也悄然而至。九月底 Meta 小扎公布了自家 Make-A-Video 的 AI 視頻制作工具。這款工具可以生成高質(zhì)量的短視頻。Meta AI 做視頻的新聞還沒(méi)有焐熱，谷歌也不甘示弱，推出了兩款 AI 生成視頻的工具：Imagen Video 和 Phenaki。前者傾向于打造視頻質(zhì)量，后者傾向于視頻的邏輯與時(shí)長(zhǎng)。這幾款 AI 視頻制作工具各有特色。

文本生成圖像的 AI 技術(shù)大火才不過(guò)幾個(gè)月，就直接躍升至文本生成動(dòng)態(tài)視頻。從畫圖到做視頻，AI 的發(fā)展速度令人訝異，同時(shí)令人對(duì)未來(lái)的數(shù)字媒體憧憬。那么，這種跨越到底會(huì)給未來(lái)帶來(lái)什么呢？

AI 做視頻是 AI 作圖的延伸

在討論 AI 生成視頻會(huì)給未來(lái)帶來(lái)哪些改變前，我們先梳理下，AI 生成視頻的技術(shù)原理和應(yīng)用場(chǎng)景。

先從 Meta 家的 Make-A-Video 看起。在小扎公布的視頻中，我們可以看到一場(chǎng) AI 制作的視頻秀，其中一幕是泰迪熊正在畫自畫像。僅僅通過(guò)文本描述，Make-A-Video 就可以生成一段視頻。官網(wǎng)的案例中，我們會(huì)發(fā)現(xiàn)還有一些會(huì)飛的超人狗狗、喝水的馬等，這些視頻都是由 AI 生成的。

谷歌的 Phenaki 工具也類似 Make-A-Video，可以通過(guò)一系列的文本提示生成有故事性的連貫視頻。如官網(wǎng)展示的騎馬太空人、游泳的小熊等。

從 AI 作畫到 AI 制作視頻，靜態(tài)的圖像創(chuàng)作又轉(zhuǎn)化為動(dòng)態(tài)的視頻演繹一些簡(jiǎn)單的情節(jié)片段，這些是如何依靠技術(shù)達(dá)成的呢？

AI 繪畫的原理，簡(jiǎn)單來(lái)說(shuō)是通過(guò)神經(jīng)網(wǎng)絡(luò)模型將圖像與文本連接，基于大規(guī)模的圖文訓(xùn)練集對(duì)比學(xué)習(xí)訓(xùn)練，提取文本與圖像特征互相匹配，最終生成關(guān)聯(lián)程度較高的圖像。

與 AI 作畫相比，AI 生成視頻需要多個(gè) AI 模型的配合來(lái)完成視頻的制作。作畫與做視頻的第一步都需要預(yù)訓(xùn)練文本 - 圖像模型，先由文本生成大量的圖像。而后續(xù)的步驟就出現(xiàn)較大的差別。AI 生成視頻，在完成基本的圖像生成之后，還需要將這些圖片連起來(lái)，變成動(dòng)態(tài)清晰有邏輯的視頻。這就需要額外增加插值模型來(lái)處理圖片變成一幀幀流暢的視頻動(dòng)作，用超分辨率模型來(lái)提升圖像的像素。通過(guò)這些模型的處理，讓前后幀之間的過(guò)渡動(dòng)作更加平滑，畫質(zhì)的像素質(zhì)量更高，最終生成高分辨率和幀率的視頻。

相較于 AI 作畫，從技術(shù)上來(lái)看，視頻可以認(rèn)為是多張 " 圖片 " 有邏輯、連貫的組成。視頻幀是一張張圖像，各幀之間有畫面、邏輯等層面的關(guān)聯(lián)。因此，由文生圖與由文生視頻完全是兩種難度級(jí)別。AI 生成視頻，是 AI 生成圖像的深度延伸。

AI 生成視頻相對(duì)更難實(shí)現(xiàn)。為什么 AI 研究人員會(huì)向視頻領(lǐng)域的創(chuàng)作進(jìn)發(fā)？AI 做視頻到底有什么應(yīng)用價(jià)值呢？

AI 做視頻價(jià)值幾何？

移動(dòng)互聯(lián)網(wǎng)的繁榮，催生出了各類社交和流媒體平臺(tái)。這些平臺(tái)中豐富的圖文、視頻內(nèi)容，成為當(dāng)代人碎片時(shí)間的精神食糧。伴隨短視頻平臺(tái)和直播行業(yè)的興起，人們對(duì)內(nèi)容的需求越來(lái)越旺盛。這也筑造了規(guī)模龐大的泛內(nèi)容產(chǎn)業(yè)。

對(duì)于內(nèi)容的創(chuàng)作，核心的是創(chuàng)意與效率。但以人為核心模式的創(chuàng)作模式在高速迭代的內(nèi)容產(chǎn)業(yè)中似乎越來(lái)越趕不上趟。應(yīng)用 AI 技術(shù)來(lái)輔助內(nèi)容創(chuàng)作的 AIGC 模式，開(kāi)始滲入到泛內(nèi)容領(lǐng)域中。

從視頻的創(chuàng)作角度來(lái)說(shuō)，在腳本外，尋找匹配適合的視頻素材是創(chuàng)作的核心。雖然行業(yè)內(nèi)有大量的素材庫(kù)，但尋覓素材的過(guò)程耗費(fèi)時(shí)間，并且也不一定能找到符合腳本內(nèi)容的視頻素材。

面對(duì)提升效率與貼合腳本內(nèi)容的需求，AI 生成視頻工具可以很好地解決這類問(wèn)題。谷歌和 Meta 的 AI 視頻工具都可以基于文本描述生成視頻。

Make-A-Video 目前可以實(shí)現(xiàn)文字轉(zhuǎn)視頻、圖片轉(zhuǎn)視頻、視頻生成視頻三種功能場(chǎng)景。谷歌 Imagen Video 不僅能生成高清視頻，而且能理解并生成不同藝術(shù)風(fēng)格的作品。而谷歌 Phenaki 目前可以做到文字轉(zhuǎn)視頻，并且根據(jù)文字描述可以生成較長(zhǎng)、情節(jié)連貫的作品。Phenaki 瞄準(zhǔn)的是長(zhǎng)視頻的制作。

無(wú)論是短視頻領(lǐng)域，還是長(zhǎng)視頻領(lǐng)域，面向這些行業(yè)，AI 生成視頻都會(huì)為視頻內(nèi)容行業(yè)的發(fā)展賦予價(jià)值。

1. 提升視頻制作效率的同時(shí)降低制作成本。傳統(tǒng)的視頻制作需要腳本、收集素材、剪輯等流程，每一項(xiàng)工作都需要耗費(fèi)大量的時(shí)間與成本。AI 生成視頻可以通過(guò)文本生成視頻，或者由圖片、視頻等素材生成視頻，可以降低拍攝或搜集視頻素材的成本。AI 可以對(duì)應(yīng)著腳本文本的描述，就能生成視頻，大幅提高視頻制作的效率。

2. 增加豐富的創(chuàng)意。AI 大模型可以遍歷學(xué)習(xí)所有的創(chuàng)意與風(fēng)格。從內(nèi)容的豐富度來(lái)說(shuō)，人類無(wú)法企及。通過(guò)不同風(fēng)格、創(chuàng)意素材的喂養(yǎng)，AI 視頻生成可以創(chuàng)作出多種風(fēng)格融合的作品，補(bǔ)充人類制作視頻的創(chuàng)意。

3. 增加內(nèi)容產(chǎn)業(yè)價(jià)值。AI 視頻生成對(duì)視頻內(nèi)容領(lǐng)域的革新，為行業(yè)帶來(lái)新的應(yīng)用場(chǎng)景與新工種。AI 作畫已經(jīng)誕生出了新的職業(yè) AI 畫師。類似 AI 作圖，AI 做視頻也會(huì)誕生出新的職業(yè)，AI 剪輯師，應(yīng)用 AI 工具創(chuàng)作視頻。未來(lái) AI 生成視頻將會(huì)與游戲、影視、媒體等多行業(yè)結(jié)合，與元宇宙、AR、VR 等場(chǎng)景碰撞，創(chuàng)造出更多的場(chǎng)景與產(chǎn)業(yè)價(jià)值。

不過(guò)現(xiàn)下 AI 生成視頻的發(fā)展處于非常初級(jí)的階段，并不能完全生成出較完善的視頻。我們?cè)诠雀韬?Meta 中看到的視頻，仍然存在許多問(wèn)題。比如視頻動(dòng)作過(guò)渡不自然、理解角度詭異、視頻分辨率不高等。這些情況的出現(xiàn)原因在于 AI 工具模型的能力不高，對(duì)模型投喂的素材數(shù)據(jù)質(zhì)量有一定的要求。如果這些問(wèn)題得不到較好的解決，也會(huì)限制未來(lái)一些場(chǎng)景的應(yīng)用可能，如對(duì)于像素和邏輯要求較高的商業(yè)影視劇。而短平快的小視頻根據(jù)分發(fā)渠道的不同，質(zhì)量的參差帶來(lái)的影響不同。但歸根結(jié)底，高質(zhì)量的視頻內(nèi)容商業(yè)化的可能性會(huì)更大。

未來(lái)的商業(yè)模式

AI 生成視頻，未來(lái)的商業(yè)模式取決于不同的應(yīng)用場(chǎng)景。面對(duì)一些制作短視頻為主的小 B 端企業(yè)，如媒體、廣告、電商等行業(yè)。谷歌、Meta 等 AI 企業(yè)會(huì)為這些小 B 端企業(yè)提供 AI 視頻制作應(yīng)用服務(wù)。類似 AI 作畫的商業(yè)邏輯，可能提供按次收費(fèi)、按時(shí)長(zhǎng)付費(fèi)或者是按照不同功能與需求的制作收費(fèi)，助力這些行業(yè)提升內(nèi)容創(chuàng)造的效率，增加在線視頻領(lǐng)域的流量。不過(guò)這種商業(yè)模式的發(fā)展必須以規(guī)模化支撐，這樣才能有可持續(xù)發(fā)展的可能，畢竟 AI 廠商的視頻工具開(kāi)發(fā)與運(yùn)維成本較高。

對(duì)于以流媒體平臺(tái)分發(fā)為主，制作中長(zhǎng)視頻的影視行業(yè)來(lái)說(shuō)，需求的頻次與質(zhì)量要求較高，因此 AI 廠商需要提供的是解決方案為主的服務(wù)，甚至是定制化的服務(wù)，提供專屬的創(chuàng)作模塊，比如特效、運(yùn)鏡、轉(zhuǎn)場(chǎng)等模塊化工具。這種商業(yè)模式的價(jià)值高，但對(duì)于整個(gè)影視行業(yè)以及上下游產(chǎn)業(yè)鏈來(lái)說(shuō)，是巨大的變革。產(chǎn)業(yè)需要花費(fèi)較長(zhǎng)時(shí)間地過(guò)渡與適應(yīng)。

除了影視企業(yè)以外，游戲行業(yè)與 AI 視頻制作也會(huì)有可能碰撞出火花。游戲行業(yè)的視頻內(nèi)容開(kāi)發(fā)可以借助 AI 生成視頻來(lái)提高創(chuàng)意與效率，降低開(kāi)發(fā)的成本。對(duì)于游戲行業(yè)的商業(yè)模式也會(huì)類似影視行業(yè)提供專門的行業(yè)解決方案。

當(dāng)然，整個(gè)產(chǎn)業(yè)領(lǐng)域中，也有一些企業(yè)對(duì)視頻生成的需求并不高，但也不是完全沒(méi)有需求。比如大多數(shù)小企業(yè)都需要簡(jiǎn)單的企業(yè)宣傳視頻，或是年度的幾場(chǎng)活動(dòng)需要視頻內(nèi)容宣傳支持。一年可能就兩三次的需求，頻次較低。這些企業(yè)并沒(méi)有專業(yè)的視頻制作人員，可能會(huì)選擇應(yīng)用 AI 生成視頻工具。

如果觀察的視角從企業(yè)轉(zhuǎn)向個(gè)體的話，大部分個(gè)人消費(fèi)者也可以應(yīng)用 AI 生成視頻來(lái)娛樂(lè)。就像 AI 作圖一般，AI 生成的視頻也會(huì)成為新的社交媒體話題。網(wǎng)友可以通過(guò)輸入文本指令生成各種各樣的視頻，交流創(chuàng)意。我們或許會(huì)從被投喂的角色，轉(zhuǎn)化為創(chuàng)作者互相分享，交流創(chuàng)意與思想。

這些商業(yè)模式的可能性建立在視頻內(nèi)容優(yōu)良與成本合理的前提下。未來(lái) AI 視頻商業(yè)化的過(guò)程中，可能依然會(huì)面臨版權(quán)和倫理的問(wèn)題。無(wú)論是素材庫(kù)還是 AI 生成視頻的風(fēng)格養(yǎng)成，都離不開(kāi)人類創(chuàng)作的圖像、視頻等內(nèi)容。AI 工具需要這些人類創(chuàng)作的圖像數(shù)據(jù)訓(xùn)練迭代。這也意味著在版權(quán)方面依然存在歸屬爭(zhēng)議的灰色地帶。倫理方面，當(dāng)輸入暴力、血腥、黃色等敏感信息，生成的內(nèi)容可能會(huì)陷入倫理道德的困境。這些問(wèn)題會(huì)伴隨著視頻生成長(zhǎng)期存在，需要設(shè)置更好的機(jī)制與模式去減少這類事情的發(fā)生。

與 AI 做視頻不同，AI 作圖最終內(nèi)容可以抽象。這種圖像內(nèi)容可能藝術(shù)價(jià)值更高。但對(duì)于視頻來(lái)說(shuō)，內(nèi)容必須連貫、有邏輯。這也對(duì) AI 生成視頻的能力提出了要求。AI 生成長(zhǎng)視頻是否有邏輯，可以根據(jù)文本表達(dá)出故事性，仍然是個(gè)未知數(shù)。尤其是一些深度的內(nèi)容制作，AI 是否能夠創(chuàng)作出這類內(nèi)容需要打個(gè)問(wèn)號(hào)。而這些 AI 到達(dá)不了的領(lǐng)域，就是人類創(chuàng)作的價(jià)值地所在。

內(nèi)容的創(chuàng)作，藝術(shù)的創(chuàng)作最終導(dǎo)向的是連接，或者是連接智慧，或者是連接靈魂。人們借由藝術(shù)表達(dá)共鳴，而這些都是 AI 去不了的場(chǎng)域。未來(lái)，或許在 AI 的內(nèi)卷下，是人類高質(zhì)量?jī)?nèi)容創(chuàng)作的高峰。