| 
当用户上传一幅马斯克的像片勾引 色情，视频生成模子立时锁定像片中的主体东说念主物。自便变更提醒词切换视频场景，马斯克的东说念主物形象长期保执所上传图片中的样貌而不走样。 
左一为上传的马斯克图片，其余两张为视频模子生成的马斯克AI视频 这是大模子公司生数科技于9月11日为旗下Vidu视频生成模子新增的一项功能——“主体参照”（Subject Consistency），可锁定图片上的东说念主物、动物、商品等种种主体。该公司称，该功能能进步主体形象在种种画面场景下的一致性，让视频生成愈加踏实可控。 自本年年头OpenAI发布Sora以来，中国国内浮现出诸多视频生成模子的公司和居品。大厂中有快手的“可灵AI”，头部初创公司则包括生数科技、爱诗科技，分离上线了Vidu和PixVerse两款居品。 比拟于Sora一鸣惊东说念主后却迟迟未上线而被戏称“期货”，国内一些视频生成模子公司在营业化上“后来居上”。生数科技CEO唐家渝向南齐等媒体先容，Vidu官网面向C端用户收取订阅费，同期为B端企业提供模子API接口调用行状。他莫得露馅C端付用度户领域，但主要来自海外用户；居品上线一个多月内，已收到B端数万个API接入肯求。 视频创作“端到端”，排斥AI绘画局势 视频生成模子已迟缓向影视创作行业浸透，国表里均有AI短片在电影节上映。 北京电影学院博士“尾鳍Vicky”是别称AI影片创作家，据她先容，频频一部AI影片制作经由分为四步：先用ChatGPT等说话模子生成脚本，再使用Midjourney等生成图片，接着使用Vidu等器具将一张张AI绘画升沉为视频，临了借助AI器具缔造画面、提高分辨率，用Suno创作AI配乐，并完成东说念主工裁剪。 AI视频创作离不开AI文生图这说念中间局势，悔过于视频模子存在不能控的局限性。唐家渝阐扬说，视频模子的联结性弱，无法保证每次生成视频时主体、场景、立场等的一致性，尤其触及复杂交互的情况下尤为赫然。另外，视频模子输出遵循具有较大偶然性，需要阻挡生成尝试，关于运镜、光效等细节还无法实现细巧准确的放置。 濑亚美莉喷奶番号阿里巴巴达摩院视频生成肃肃东说念主陈威华曾在2024天下东说念主工智能大会一场论坛上提到一个AI影片案例：加拿大多媒体制作公司Shy Kids借助Sora制作了视频短片《Air Head（气球东说念主）》，但生成的短片由多个视频片断构成，在生成不同视频片断时很难保证主角长期是长着黄色气球脑袋的东说念主，有时候脑袋上头会出现一张脸，有时候致使气球不是黄色的。“统共这个词短片并不是Sora平直输出的遵循，其中引入了大宗的东说念主工后期编著，因此视频画面的放置是创作中最大的需求”。 为了保证画面的主体一致，AI视频创作之前，不得不先使用Midjourney等生身分镜头画面，然后把及格的图片生成为视频片断进行裁剪拼接。 但由此又带来图片生成的极重职责量。“尾鳍Vicky”说，可能需要生成50张图片，才能赢得一张相宜叙事创作条件的图片。 生数科技新上线的“主体一致”功能，则试图砍掉AI文生图局势，让视频模子平直依据上传的脚色计议图和场景状貌指示，“端到端”生成对应视频。 AI视频创作家石宇翔提前试用这项功能后发现，该功能不错减少约7成掌握的图片生成职责量，从而能将更多元气心灵放在故事内容的打磨，而非生成图片素材。平直由“脚本+主体图”生成视频，视频的连贯性也有了进步。 石宇翔创作的AI动画短片《夏季的礼物》截图 但唐家渝默示，Vidu的“主体一致”功能天然能锁定脚色图中种种主体，但当今对锦上添花的工艺品等复杂结构对象的奏遵循不高。要是生成场景包含复杂的构成元素，视频生成模子的才能也有限。唐家渝说，但愿用更大的参数目和算法技能矫正来冒昧模子的这些问题。 视频生成模子营业化聚焦B端 缔造于2023年3月的生数科技，本年以来已完成两轮数亿东说念主民币的融资，历次融资蛊惑了启明创投、蚂连合团、BV百度风投、智谱AI等投资机构和产业老本。 受明星投资机构意思意思，与生数科技较早就秉承与Sora同源的时候阶梯有一定干系。2022年9月，生数科技首席科学家朱军建议Diffusion与Transformer 会通架构U-ViT。唐家渝说，U-ViT与Sora的DiT架构“险些一模雷同”。 本年4月，生数科技发布视频生成模子Vidu，赈济最长16秒、最高1080P分辨率视频的生成。两个月后，视频时长升级为最长32秒。不外，生数科技7月底上线的Vidu官网仅提供4s和8s两种时长选拔，其中4秒视频片断的生成时辰仅需30秒。 据唐家渝先容，生成时长的才能，实质上与模子对物理天下和对语义输入的通晓有关。天然仍谋略拓展生成时长，但视频时长并不是现时生数科技居品化的要点。“90%以上的视频片断齐是几秒钟，从实用角度来看，咱们还莫得优先推敲时长”。唐家渝说，当今的要点放在进步视频模子的诈欺性，简化创作经由。 Vidu上线后，生数科技开启了B端和C端并存的营业化阶梯：给B端提供API接口，向C端打造付费订阅使用阵势。 唐家渝露馅，当今B端市集的收入占比更高。鉴于B端有比较踏实和平直的需求，生数科技将B端手脚耐久的要点地方，围绕落地行业的履行场景进行磨合。客户群体上，主要障翳告白、游戏、短剧和影视这些与视频内容有关的领域。C端方面，天然Vidu上线一个多月内用户增长弧线高，但营业化仍处于探索阶段。 好意思图公司集团高等副总裁陈剑毅此前在2024天下东说念主工智能大会一场论坛上谈到，对C端平日用户而言，视频模子一定进度上让往时很难通过实拍拍到的场景变得举手投足，但问题在于，平日用户很难有执续性的使用需求。他说，平日用户视频创作的风趣，许多时候是抒发烧枕以及纪录生存。此时，AI能起到的作用特别有限。“哪怕三五年以后时候很锻练了，关于平日用户来说也不能能天天在一又友圈发我方的AI视频”。 采写：南齐记者 杨柳勾引 色情
|
