“視頻領域的Midjourney”！AI視頻生成新秀Gen-2內測作品流出，網(wǎng)友直呼太逼真
《男人在酒吧接受采訪》
豐色 發(fā)自 凹非寺
量子位 | 公眾號 QbitAI
號稱可以一句話拍大片的AI視頻生成工具Gen-2，開始露出廬山真面目。
有推特博主已經率先拿到了內測資格。
這是他用提示詞“一個身材勻稱or對稱（symmetrical）的男人在酒吧接受采訪”生成的結果：
只見一個身著深色襯衣的男人正望著對方侃侃而談，眼神和表情透露著一股認真和坦率，對面的人則時不時點頭以示附和。
視頻整體非常連貫且畫質很是清晰，乍一看，真實訪談感滿滿有沒有！
同樣的提示詞生成的另一個版本也不賴：
這次鏡頭更加拉近，背景更逼真，人物則仍然富有表現(xiàn)力。
有網(wǎng)友看完這組作品直呼：
太不可思議了吧，只靠文字提示就能生成這樣的結果！
還有人直言：
這是視頻領域的Midjourney來了。
博主實測Gen-2
這位博主名叫Nick St. Pierre，專門在推上分享他用AI制作的作品。
除了開頭所見的寫實風，他還發(fā)布了一組Gen-2的科幻作品。
比如“宇航員穿越太空”：
“一名武裝士兵沿著宇宙飛船的走廊奔跑，身后一道黑影摧毀了墻壁”：
“一家在人類動物園吃微芯片的機器人”：
“人形機器人大軍在冰凍的平地上進行殖民”：
（有種權游里面異鬼大軍進擊長城的氣勢……）
“地球上最后一個人看著入侵的宇宙飛船降落在東京上空”：
……
以上這些全部都只憑一句提示詞就能完成，不需要借鑒其它圖片和視頻。
雖然說這組科幻的效果相比“酒吧男人接受采訪”稍顯遜色，但神奇的是，它和AI圖像生成模型誕生之初的那種“混沌不清”的味道可以說不相上下——仿佛看到了Stable diffusion等AI當時的影子。
如Nick St. Pierre表示：
Gen-2還處于嬰兒期，后面一定會更好。
我們也在網(wǎng)上找到了其他已經拿到內測資格的人測試的一些效果：
可以說，除了比較難的科幻作品，其它它拿捏的都還不錯的亞子。
AI視頻生成也狂飆
專攻視頻生成的AI工具Gen-2于3月20日發(fā)布（論文3月11號）。
作為AIGC領域的新秀，它的迭代速度和質量也是相當快了：
Gen-1版本2月才剛誕生，那會還只能對已有視頻進行編輯；
現(xiàn)在Gen-2就已經可以用文字和圖像作為提示詞直接生成視頻了。
官方號稱它為“生成式AI的下一步”，宣傳語給的也是很霸氣：
say it，see it。（只要你能說出來，我就能讓你看到）
Gen-2的更新一口氣帶來了八大功能：
文生視頻、文本+參考圖像生視頻、靜態(tài)圖片轉視頻、視頻風格遷移、故事板（Storyboard）、Mask（比如把一只正在走路的小白狗變成斑點狗）、渲染和個性化（比如把甩頭小哥秒變海龜人）。
它的出現(xiàn)和AI繪畫一樣，讓人看到了影視、游戲和營銷等領域暗藏的巨大變革。
其背后開發(fā)公司也值得說道，它就是Runway。
Runway成立于2018年，為《瞬息全宇宙》特效提供過技術支持，也參與了Stable Diffusion的開發(fā)（妥妥的潛力股）。
提示：Gen-1已經可以開始玩了(125次機會用完之后就只能按月付費了），Gen-2還沒有正式對公開放。
除了Gen系列，微軟亞研院還最新發(fā)布了一個可以根據(jù)文字生成超長視頻的AI：NUWA-XL。
只用16句簡單描述，它就能get一段長達11分鐘的動畫：
在往前一點兒，就在Gen-2發(fā)布同一天，阿里達摩院也開源了17億參數(shù)的文本轉視頻AI：
效果是醬嬸的：
……
可以預見，不止圖像生成，視頻領域也要變得熱鬧起來了。
咳咳，所以下一波大眾AI狂歡，會是它嗎？
參考鏈接：
[1]https://twitter.com/nickfloats/status/1644540896321437696
[2]https://twitter.com/nickfloats/status/1644081726141132800
[3]https://research.runwayml.com/gen2
[4]https://twitter.com/c_valenzuelab/status/1645158717766115328
[5]https://modelscope.cn/models/damo/text-to-video-synthesis/summary
[6]https://nuwa-infinity.microsoft.com
- 北大開源最強aiXcoder-7B代碼大模型！聚焦真實開發(fā)場景，專為企業(yè)私有部署設計2024-04-09
- 剛剛，圖靈獎揭曉！史上首位數(shù)學和計算機最高獎“雙料王”出現(xiàn)了2024-04-10
- 8.3K Stars!《多模態(tài)大語言模型綜述》重大升級2024-04-10
- 谷歌最強大模型免費開放了！長音頻理解功能獨一份，100萬上下文敞開用2024-04-10
