每經(jīng)記者：楊昕怡每經(jīng)編輯：魏官紅
近日，字節(jié)跳動(dòng)旗下剪映團(tuán)隊(duì)研發(fā)的一站式AI創(chuàng)作平臺(tái)“即夢(mèng)AI”移動(dòng)版正式上架至蘋果應(yīng)用商店。記者了解到，該應(yīng)用目前擁有文生圖和文/圖生視頻等功能。另外，即夢(mèng)已經(jīng)上線會(huì)員體系，推出了多種訂閱方式。
通過(guò)對(duì)即夢(mèng)、可靈以及Sora的實(shí)際應(yīng)用對(duì)比，《每日經(jīng)濟(jì)新聞》記者發(fā)現(xiàn)，三款視頻生成大模型在對(duì)提示詞的捕捉和理解上都較為準(zhǔn)確、完整，但即夢(mèng)的人物塑造、內(nèi)容的豐富度和視頻流暢度等能力相對(duì)有所欠缺。在生成內(nèi)容的時(shí)長(zhǎng)上，即夢(mèng)支持最多12秒的視頻生成。
“生成流暢視頻的秒數(shù)是判斷一個(gè)視頻生成大模型能力優(yōu)劣的關(guān)鍵因素。”一位大模型工程師在接受《每日經(jīng)濟(jì)新聞》記者采訪時(shí)表示，流暢與否需從多個(gè)維度評(píng)判，比如生成的內(nèi)容有沒(méi)有事實(shí)錯(cuò)誤以及空間感對(duì)不對(duì)等。
動(dòng)作自然度略遜一籌
今年初，Sora的橫空出世開啟了“視頻的ChatGPT時(shí)代”。隨后，快手推出的可靈讓人們對(duì)國(guó)產(chǎn)AI視頻大模型的表現(xiàn)有了越來(lái)越多的期待。同為短視頻巨頭的抖音母公司字節(jié)跳動(dòng)，則被視為賽道內(nèi)最具趕超可能的選手之一。
3月底，字節(jié)跳動(dòng)旗下剪映團(tuán)隊(duì)研發(fā)的AI創(chuàng)作平臺(tái)“即夢(mèng)AI”開放內(nèi)測(cè)；5月9日，該應(yīng)用上線網(wǎng)頁(yè)版，上線之初只有圖片生成、智能畫布和視頻生成三大功能；8月6日，該應(yīng)用移動(dòng)版正式上架至蘋果應(yīng)用商店，擁有文生圖和文/圖生視頻等功能。
至于即夢(mèng)的實(shí)際使用效果，今年7月初，全國(guó)首部AIGC生成式連續(xù)性敘事科幻短劇集《三星堆：未來(lái)啟示錄》在抖音上線。在這部總共13集的短劇集里，即夢(mèng)作為首席AI技術(shù)支持方出現(xiàn)。
據(jù)媒體報(bào)道，在和博納影業(yè)合作推出《三星堆：未來(lái)啟示錄》的過(guò)程中，即夢(mèng)AI改進(jìn)了“視頻生成”功能，包括支持24fps、30fps、60fps的補(bǔ)幀以及二倍超分的能力，新增鏡頭水平移動(dòng)、上下移動(dòng)，支持鏡頭移動(dòng)的方向和幅度控制等。
在即夢(mèng)App上線后，《每日經(jīng)濟(jì)新聞》記者選取了OpenAI官方公布的多條Sora視頻提示詞對(duì)即夢(mèng)、可靈和Sora進(jìn)行對(duì)比測(cè)試。從測(cè)試結(jié)果來(lái)看，三款視頻生成大模型在對(duì)提示詞的捕捉和理解上都較為準(zhǔn)確、完整，生成視頻內(nèi)容的畫面表現(xiàn)也都連貫且流暢。
在人物形象的刻畫精細(xì)度上，Sora相較于即夢(mèng)和可靈有一定的優(yōu)勢(shì)；在動(dòng)作的自然度上，即夢(mèng)在三個(gè)測(cè)試產(chǎn)品中略遜一籌，例如在以“東京街頭的女士”為主題的視頻畫面呈現(xiàn)上，即夢(mèng)生成的人物在轉(zhuǎn)頭時(shí)頭頸部略顯扭曲，拎包的手部動(dòng)作也有所變形。
而在生產(chǎn)內(nèi)容的元素豐富程度上，Sora在三者中表現(xiàn)最優(yōu)。例如在以“太空人”為主題的生成視頻內(nèi)容里，Sora給出了飛船、艙外景象等多個(gè)有關(guān)提示詞的聯(lián)想內(nèi)容，而即夢(mèng)和可靈僅呈現(xiàn)了一個(gè)穿著宇航服的男性角色。
易觀分析研究合伙人陳晨在接受《每日經(jīng)濟(jì)新聞》記者采訪時(shí)表示，在生成效果上，即夢(mèng)的AI圖像整體質(zhì)量較好，AI視頻則在時(shí)長(zhǎng)、元素豐富性、動(dòng)作連貫性等細(xì)節(jié)處理上仍然有所欠缺。
“如果缺失了從‘太空人’聯(lián)想到‘飛船’的能力，應(yīng)該是基座模型的能力問(wèn)題。”一位大模型工程師向《每日經(jīng)濟(jì)新聞》記者指出，生成流暢視頻的秒數(shù)是判斷一個(gè)視頻生成大模型能力優(yōu)劣的關(guān)鍵因素，“流暢”需要從多個(gè)維度來(lái)看，比如生成的內(nèi)容有沒(méi)有事實(shí)錯(cuò)誤、記憶能力如何以及空間感對(duì)不對(duì)等。
目前，即夢(mèng)支持3秒、6秒、9秒和12秒的視頻內(nèi)容生成，分別對(duì)應(yīng)不同的積分消耗。而Sora早在發(fā)布時(shí)就已經(jīng)能合成1分鐘的超長(zhǎng)視頻；6月21日，可靈推出了圖生視頻功能，支持根據(jù)不同文本內(nèi)容，將靜態(tài)圖像轉(zhuǎn)化為生動(dòng)的5秒視頻，且續(xù)寫功能可讓視頻延續(xù)約5秒，最長(zhǎng)可生成約3分鐘視頻。
AI視頻能賺到錢嗎？
Sora的出現(xiàn)無(wú)疑給大模型開辟了新的賽常今年7月，阿里達(dá)摩院發(fā)布了一站式AI視頻創(chuàng)作平臺(tái)“尋光”，商湯科技推出了首個(gè)面向C端用戶的可控人物視頻生成大模型Vimi，智譜AI也宣布將AI生成視頻模型清影（Ying）正式上線智譜清言。
在AI頭部玩家集體向視頻生成大模型發(fā)起猛攻時(shí)，一個(gè)不能回避的問(wèn)題就在眼前：AI視頻能讓大模型公司賺到錢嗎？
以業(yè)內(nèi)明星公司OpenAI為例，在推出了Sora等一眾能力領(lǐng)先的大模型的情況下，今年7月，有媒體援引知情人士以及未公開的內(nèi)部財(cái)務(wù)數(shù)據(jù)分析稱，OpenAI今年或面臨高達(dá)50億美元的巨額虧損，預(yù)估公司全年收入可能在35億美元到45億美元之間，遠(yuǎn)低于運(yùn)營(yíng)成本。
同時(shí)，國(guó)內(nèi)視頻大模型在商業(yè)化落地上也顯得有些“著急”。7月30日，可靈上線了面向全球的會(huì)員體系，該體系與其在國(guó)內(nèi)市場(chǎng)推出的會(huì)員體系相仿，例如月卡分為10美元、37美元和92美元三檔，可對(duì)應(yīng)生成約66個(gè)、300個(gè)和800個(gè)5秒視頻。
《每日經(jīng)濟(jì)新聞》記者注意到，即夢(mèng)也已推出會(huì)員體系，有79元單月、69元連續(xù)包月和659元包年的基礎(chǔ)會(huì)員等不同訂閱方式。具體來(lái)說(shuō)，基礎(chǔ)會(huì)員每月可使用505個(gè)積分生成約2020張圖片或168個(gè)AI視頻。此外，每月2020個(gè)積分的標(biāo)準(zhǔn)會(huì)員和每月6555個(gè)積分的高級(jí)會(huì)員服務(wù)即將上線。
“由于AI大模型高昂的模型訓(xùn)練與推理成本，加之C端用戶對(duì)AI工具的需求相對(duì)分散，付費(fèi)意愿不足，視頻大模型在C端市場(chǎng)的商業(yè)化仍然會(huì)面臨一個(gè)較長(zhǎng)的培育期。”陳晨認(rèn)為，對(duì)于C端市場(chǎng)而言，視頻大模型的商業(yè)化落地道阻且長(zhǎng)。
而從B端市場(chǎng)出發(fā)，陳晨向《每日經(jīng)濟(jì)新聞》記者表示：“對(duì)于B端而言，AI技術(shù)革命正在重塑原有的工作流程，壓縮冗余環(huán)節(jié)并引發(fā)新的創(chuàng)作工具需求。在這個(gè)過(guò)程中，AI視頻大模型可以逐步與現(xiàn)有的影視制作、廣告創(chuàng)意、媒體內(nèi)容策劃結(jié)合，輔助進(jìn)行復(fù)雜工序自動(dòng)化處理和智能化內(nèi)容生產(chǎn)。而模型能力是否有效嵌入實(shí)際工作流程，帶來(lái)實(shí)質(zhì)性的效率提升以及成本降低，是構(gòu)建商業(yè)化能力的關(guān)鍵因素。”
“公司會(huì)逐步開始探索Kimi的商業(yè)化，但目前的重點(diǎn)還是打造能力更強(qiáng)的下一代模型。”今年8月，月之暗面方面在接受《每日經(jīng)濟(jì)新聞》記者采訪時(shí)表示，現(xiàn)階段還不是以商業(yè)化為重的時(shí)候。
也許，對(duì)“初出茅廬”的即夢(mèng)來(lái)說(shuō)也是如此，它還有一個(gè)又一個(gè)里程碑要去觸達(dá)、超越。“即夢(mèng)目前的產(chǎn)品功能、商業(yè)模式聚焦于服務(wù)UGC（用戶生成內(nèi)容），與抖音的生態(tài)融合將是未來(lái)的發(fā)展重點(diǎn)。”陳晨表示，“或許在時(shí)長(zhǎng)、幀率、畫面細(xì)節(jié)等技術(shù)參數(shù)上的直接對(duì)標(biāo)并不是即夢(mèng)現(xiàn)階段最需要關(guān)注的，關(guān)鍵還是在于應(yīng)用落地和生態(tài)整合能力。”
每日經(jīng)濟(jì)新聞
