智能相对论
2024-05-23
文 | 智能相对论
作者 | 沈浪
随着OpenAI在2024开年发布Sora引爆市场，视频大模型成了新一代“全球通杀”的AI技术，也让业界对谁能成为“中国版Sora”充满了期待。
其结果，是各类厂商在庞大的市场蛋糕驱动下，都不可避免地争做“中国版Sora”。而正如历次技术重大革新浪潮中，“中国版”的名头并非谁最先做出来，谁就能戴上王冠，其背后，自带两重要求：
“中国版”本身意味着对本土内容创作有直接的驱动价值，否则大模型创新价值将减少，陷入“别人有所以我才要有”的逻辑中，而不是真正围绕本土价值展开。这是价值标准和导向。
然后，要能力够强、够全面，要能对标到“Sora”的能力方向，而不是差较远。这是基础也是底气。
“中国版”+“Sora”，组合起来，才是“中国版Sora”。
欣慰的是，智能相对论发现，目前业内部分大模型已开始展现这一潜力。今年1月初，AIGC软件A股上市公司万兴科技（300624.SZ）发布了国内首个专注于数字创意领域的音视频多媒体大模型——万兴“天幕”，并凭借大模型在视频、音频、图像、文本等多媒体领域的强大能力，吸引了业界的广泛关注。据介绍，万兴“天幕”依托15亿用户行为数据和百亿本土化音视频数据，具备近百项音视频原子能力，并已通过中央网信办备案。
前不久，万兴“天幕”正式开放公测，提供了包括文生视频、文生音乐、文生音效、文生图等等多样化功能的测试入口，其中文生视频功能支持一键生成60秒+视频。上周末，睽违4年的《歌手2024》震撼开唱，而据透露，节目片头中部分画面便是由万兴“天幕”支持生成，超高清晰度的精致画面更是吊足了视频从业者的胃口。
（《歌手》片头部分画面由万兴“天幕”技术加持生成）
万兴“天幕”综合能力究竟如何，有是否真的能生成60+秒视频？《智能相对论》特别在万兴“天幕”近期公测期间，体验了相关能力。
1.基本操作：小白友好，可体验7大功能
（万兴“天幕”公测页面）
打开万兴“天幕”的公测页面，7大功能陈列在左侧功能栏，包括文生视频、视频风格化、文生音乐、视频配乐、文生音效、文生图、图生图，完美契合了“音视频大模型”这一定位。
目前，每个功能每日可进行10次生成；具体到操作层面，每个功能的操作都很简单，基本都只需要进行prompt输入+选择风格即可生成，新手也可快速上手，符合其“赋能创作者”的定位。
2.文生视频功能实测：“中国特色”理解力及生成效果表现优异
在万兴“天幕”的介绍中，“本土化音视频数据”引人注目。目前包括Sora、MidJourney等在内的大部分视频/图像生成模型，都主要是以海外数据进行训练，对中国元素的生成仍旧不尽如人意。作为国产音视频大模型的先锋者，除了视频整体效果外，万兴“天幕”在“中国特色”内容的生成层面表现如何，也是我们这次测评的重点之一。
点开文生视频功能页，输入描述词“张家界美丽的自然风光，包括其标志性的柱状山脉、茂密的森林和云雾缭绕的景观”。等待5分钟后，一段60秒长度的视频就生成出来了。单从生成效率来看，天幕表现不错。
（万兴“天幕”文生视频页面）
接下来具体看看生成效果。
描述词还原度方面，表现得可圈可点——张家界的景色特点鲜明，奇峰耸立、山峦叠嶂、云雾缭绕，且整体画面自然真实，细节上也完成得不错。此外天幕在没有任何动作、情节描写的简短描述词的基础上，进行了不少“自我创作”，不仅有远景近景以及视角的变幻，还可根据自己的理解，在画面中增加了河流、寺庙、花朵等视觉元素，让1分钟时长的视频内容更丰富、变化更多样。
（万兴“天幕”部分视频生成效果）
3.多媒体内容生成实测：“六边形战士”发挥稳定
作为全国首个音视频多媒体大模型，天幕不仅仅具备文生视频能力，更集合了音频、图像等其他多媒体种类的内容生成能力。接下来，就一起来看看天幕在其他内容类型上的表现吧。
首先是图像生成。还是张家界，这次我们加点人物进去，选取“电影打光”风格，输入提示词“一名游客在张家界快乐地游玩，写实风格”，几秒后图片就生成出来了。
从生成效果来看，景色展示一如既往的稳定，这次描述词中没有具体的景色描写，但是可以看到张家界的特色依旧很明显。
此外，图片中还有一个细节非常惊喜。描述词中强调人的特征，但是天幕自然而然生成了中国人的形象，不论是画面中的主要人物还是作为背景展现的其他游客形象，都是清一色的黑头发黄皮肤。自信大方的笑容，自然轻松的体态，非常符合日常的穿着。
（万兴“天幕”文生图效果）
接下来，看看文生音效的表现。输入描述词“鸟叫声”即可生成，很快就生成出10秒的音频出来。质量方面，鸟叫声非常清脆逼真，用来作为视频的背景音效毫无问题。
（文生音效页面）
综合来看，天幕已经具备了多模态处理能力，任务完成度和一致性上表现不错，已经初现“六边形战士”雏形，是目前市面上少见的以本土内容为核心进行训练及生成的大模型。随着后续技术的持续发展，通过不断的打磨及投喂训练，相信天幕会是一个非常不错的产品。
4.天幕未来展望：素材“弹药”生产商
从实际体验层面，天幕在风景、场景类画面生成上确实表现不错，同时还具备音频、图像等多模态内容的生成能力。结合目前透露的信息来看，万兴科技为天幕规划的未来发展方向已呼之欲出：相较业界普遍讨论的所谓“一键成片”“AI生成成品视频”，天幕当前阶段在素材类内容生成上表现突出，可为商业广告、影视、旅游、社媒等视频创作提供丰富的素材“弹药”。
这也符合技术发展规律以及商业化落地基本逻辑。技术层面，由于数据集限制以及理解难度的指数级上升，视频生成技术在完成度上仍有较大提升空间，其中自然景色类视频相较人像类视频的视频数据更充分、完成度较高。
商业逻辑层面，视频市场规模正在不断扩大，但AI内容在其中的切入角度还需要持续探索。目前来看，空镜头类素材在商业化层面的优先级更高，人像类视频则通常倾向于真人出镜，还需要经历一定的技术和效果跨越。
实测下来，可以说，“中国版Sora”是业界期许，也在万兴“天幕”上看到可能性。应用驱动大模型发展、磨炼技术实力，以万兴科技为代表的先锋者仍在持续探索和实践。相信假以时日，万兴科技为代表的国产厂商，将带领从业者们共同奔赴更美好的AI+视频未来。
*本文图片均来源于网络
此内容为【智能相对论】原创，
仅代表个人观点，未经授权，任何人不得以任何方式使用，包括转载、摘编、复制或建立镜像。
部分图片来自网络，且未核实版权归属，不作为商业用途，如有侵犯，请作者与我们联系。
•AI产业新媒体;
•澎湃新闻科技榜单月度top5;
•文章长期“霸占”钛媒体热门文章排行榜TOP10;
•著有《人工智能 十万个为什么》
•【重点关注领域】智能家电（含白电、黑电、智能手机、无人机等AIoT设备）、智能驾驶、AI+医疗、机器人、物联网、AI+金融、AI+教育、AR/VR、云计算、开发者以及背后的芯片、算法等。
