馬斯克收購(gòu)視頻生成初創(chuàng)公司，4人13個(gè)月打造類Sora模型

一水 2025-03-19 06:34:41 來(lái)源：量子位

馬斯克也要打造自己的視頻生成模型了？？

就在最近，xAI收購(gòu)了一家視頻生成初創(chuàng)公司，這家僅4個(gè)人的公司過(guò)去兩年打造出了Hotshot這款產(chǎn)品。

據(jù)公告介紹，Hotshot至今已有3款視頻生成基礎(chǔ)模型。被收購(gòu)之后，目前已停止推出新的視頻創(chuàng)作功能，而且用戶過(guò)往創(chuàng)作的視頻截止下載時(shí)間為3月30日。

一看這架勢(shì)，網(wǎng)友們紛紛想起了老馬在今年1月的一場(chǎng)直播活動(dòng)中擲下的豪言：

預(yù)計(jì)將在幾個(gè)月內(nèi)發(fā)布Grok視頻模型

而且就在Hotshot聯(lián)創(chuàng)&CEO公布上述消息之后，老馬也第一時(shí)間跑來(lái)賣關(guān)子：

酷炫視頻AI即將到來(lái)！

期待值被拉滿的同時(shí)，眾人也齊刷刷表達(dá)了對(duì)Hotshot團(tuán)隊(duì)的祝賀：

那么，這是一家怎樣的團(tuán)隊(duì)呢？為什么它能被馬斯克“看上”？

答案這就揭曉——

4人團(tuán)兩年打造“Sora”

概括而言，Hotshot之所以能入老馬的眼，原因顯然在于兩方面：

一是“小團(tuán)隊(duì)也有大能量”，據(jù)悉Hotshot團(tuán)隊(duì)一共只有4個(gè)人，但他們?cè)?3個(gè)月里連續(xù)訓(xùn)練出了3個(gè)視頻生成模型，且獲得了一定程度的用戶關(guān)注；二是雖然成立不久，但投資者中不乏Reddit聯(lián)合創(chuàng)始人Alexis Ohanian等大佬。

從Hotshot官網(wǎng)公布的信息來(lái)看，這個(gè)4人小團(tuán)隊(duì)在兩年時(shí)間里成功打造出了“Sora”模型。

4人中有兩位是聯(lián)合創(chuàng)始人。

聯(lián)創(chuàng)&CEO?Aakash Sastry（右邊），和另一位聯(lián)創(chuàng)&CTO?John Mullan（左邊）早在2012年就相識(shí)了。

認(rèn)識(shí)之前，前者正在構(gòu)建一個(gè)視頻聊天應(yīng)用，后者正在嘗試打造視覺(jué)通訊應(yīng)用（visual communication apps）。

不過(guò)，在看到Aakash Sastry的視頻聊天應(yīng)用失敗之后（本以為是很酷的想法，結(jié)果可能因?yàn)槔砟畛?，大家很害怕視頻通話），兩人一致意識(shí)到：

我們需要?jiǎng)?chuàng)造一個(gè)讓人們?cè)诰W(wǎng)上表達(dá)自己的同時(shí)，也感到舒適和自由的環(huán)境。

于是，Hotshot逐漸誕生了。

2017年，兩人共同成立了一家公司——Natural Synthetics（Hotshot背后公司），開(kāi)始構(gòu)建各種不同的社交應(yīng)用。

到了2023年1月，他們正式在iOS應(yīng)用商店發(fā)布了Hotshot。

不過(guò)需要注意，Hotshot一開(kāi)始并不是做AI視頻生成，而是圖片生成。

基于開(kāi)源的圖片生成模型Stable Diffusion，Hotshot為用戶免費(fèi)提供個(gè)人、朋友甚至是名人的圖片。

△兩位創(chuàng)始人在Hotshot應(yīng)用中創(chuàng)建的圖片

直到后來(lái)逐漸被視頻生成吸引，因此他們又開(kāi)始訓(xùn)練視頻生成模型。

和之前類似，一開(kāi)始他們也打算基于開(kāi)源模型構(gòu)建，不過(guò)后面意識(shí)到：1）基礎(chǔ)模型需要大幅改進(jìn)；2）為了自由構(gòu)建引人入勝的用戶體驗(yàn)，需要對(duì)底層模型擁有控制權(quán)。

于是，他們正式?jīng)Q定自研視頻模型。

在過(guò)去的13個(gè)月里，他們訓(xùn)練了3個(gè)不同的視頻模型：

• 第一個(gè)Hotshot-XL：耗時(shí)3個(gè)月開(kāi)發(fā)，每秒生成8幀視頻，開(kāi)源后至今每月約有2萬(wàn)名新的開(kāi)發(fā)者和藝術(shù)家使用；
• 第二個(gè)Hotshot Act-One：耗時(shí)5個(gè)月開(kāi)發(fā)，生成3秒8fps的視頻，基于2億個(gè)公開(kāi)視頻訓(xùn)練而成；
• 第三個(gè)Hotshot：耗時(shí)4個(gè)月開(kāi)發(fā)，生成最長(zhǎng)10秒的720p視頻，限文生視頻。

按照Hotshot發(fā)布時(shí)的說(shuō)法，在各種提示評(píng)估中，70%的情況下用戶更喜歡Hotshot的結(jié)果，而不是其他開(kāi)源文生視頻模型。

另外，從CEO Aakash Sastry公布的消息來(lái)看，Hotshot的投資者包括Stripe前高管Lachy Groom、Reddit聯(lián)合創(chuàng)始人Alexis Ohanian以及SV Angel在內(nèi)的風(fēng)險(xiǎn)投資機(jī)構(gòu)。

至于具體融資次數(shù)和規(guī)模，Hotshot尚未公開(kāi)披露，而且也不清楚整個(gè)Hotshot團(tuán)隊(duì)是否會(huì)集體加入xAI。

馬斯克想開(kāi)發(fā)自己的視頻生成模型？

事實(shí)上，早在今年1月，馬斯克在一場(chǎng)直播活動(dòng)中就透露了自研視頻生成模型的想法：

（指路原推文視頻15:02）

對(duì)于自家的Grok模型一直沒(méi)有視頻生成功能這事兒，老馬本人和用戶都不太滿意。

而要解決這個(gè)問(wèn)題，通常來(lái)說(shuō)有兩條路可走：

要么直接接入其他家模型，要么自研。

從Grok之前的一些傾向來(lái)看，他們主要選擇第一種方案，比如其Grok-2的文生圖功能，就是通過(guò)與此前備受矚目的Flux深度融合實(shí)現(xiàn)。

然而現(xiàn)在，老馬明顯轉(zhuǎn)向了。

為了和OpenAI、谷歌等展開(kāi)長(zhǎng)期競(jìng)爭(zhēng)，xAI最終也是走上了自研之路，開(kāi)始通過(guò)收購(gòu)進(jìn)一步布局。

不過(guò)不管怎樣，對(duì)于我們普通用戶來(lái)說(shuō)，期待Grok的視頻生成功能就完事了！