AI能“生”万物吗？ 　　半月谈记者 张漫子 　　Sora诞生半年后，它的“挑战者”纷至沓来，连“等不及”又“追不上”的英伟达也亲自下场。 　　迄今为止，Sora依旧只释放小样、未开放使用，而快手可灵、智谱清影、Vidu已率先打开体验大门，走向大众。 　　尽管“一键生成”的初体验称不上完美，却搅动了内容产业的一池春水。身边不少微短剧、广告、动画已经开始用上AI这个“效率搭子”。人工智能生成技术，从前不久的文生图，到如今的文生视频、图生视频、视频生成视频，“AIGC宇宙”不断扩张。 　　AI，是华夏神话里的“神笔马良”吗？它能让多少想象力、创造力活起来、动起来？ 　　“文生视频”，如何“生” 　　“文生视频是一颗重磅炸弹。”半年来，从大厂到独角兽的Sora复现潮无一不在说明产业界对“生成”的重视。 　　视频生成，简言之是通过生成式人工智能技术，将文本、图片等多模态输入，转化为视频信号。 　　当前，视频生成的技术路线主要有两种。一种是扩散模型，其中又分为两类，一类是基于卷积神经网络的扩散模型，如Meta的EmuVideo、腾讯等推出的VideoCrafter；一类是基于Transformer架构的扩散模型，如OpenAI的Sora、快手的可灵AI、生数科技的Vidu等。另一种是自回归路线，如谷歌的VideoPoet、Phenaki等。 　　2024年7月26日，中国科技企业智谱AI面向全球用户发布其自主研发的人工智能生成视频模型清影（Ying）。图为用户登录界面 　　目前，基于Transformer架构的扩散模型是视频生成模型的主流选择，也称“DiT”（Di为Diffusion缩写，T为Transformer缩写）。 　　文本“扩散”为视频？“扩散在此指一种建模方式。”北京大学信息工程学院助理教授、博士生导师袁粒举了一个生动例子—— 　　米开朗琪罗在凿刻著名的大卫雕像时，说过这样一句话：雕塑本来就在石头里，我只是把不要的部分去掉。“这句话很形象地形容了‘扩散’这一建模过程。原始的纯噪声视频好比未经雕琢的石块澳门一肖一码一特一中云骑士 ,科技成语分析落实_ios6.098。如何敲打这个大石块，敲除多余的部分，直到把它敲成轮廓清晰的‘大卫’，这样的方式就是‘扩散’。”袁粒说。 　　袁粒进一步解释：“Transformer就是一个神经网络，遵从‘规模规则’，执行敲石块的过程。它能处理输入的时空信息，通过理解其内部复杂关系来理解现实世界，使模型具备推理能力，既能捕捉视频帧之间的细微联系，也能确保视觉上的连贯、时间上的流畅。”新澳内部资料精准一码 ,重要性解释落实方法_钻石版5.781 　　“效率搭子”，有多快 　　一只憨态可掬的北极熊被闹钟叫醒，背起行囊，乘坐直升机、转乘高铁、换乘出租车、登上轮船，跨越山河湖海、历尽艰难险阻，终于到达南极，与企鹅相会…… 　　这部时长1分半、名为《一路向南》的动画短片，由视频生成模型Vidu完成。原本1个月的工作量，有了AI这个“效率搭子”的加入，仅用1周时间就制作出精良作品——效率是过去的4倍。 　　这让北京电影节AIGC短片单元最佳影片得主、Ainimate Lab AI负责人陈刘芳心生感慨：视频生成技术，让高水平动画不再是大厂才敢玩的“烧钱游戏”。 　　AI动画《一路向南》的创作团队仅由3人构成：一名导演、一名故事版艺术家、一名AIGC技术应用专家。而以传统流程制作的话，需要20人。算下来，仅制作成本就降低90%以上。2024年天天开好彩资料 ,收益成语分析落实_钱包版5.842 　　正如快手视觉生成和互动中心负责人万鹏飞所言，视频生成的本质是从目标分布中采样计算得到像素。这种方式能以更低的成本，达到更高的内容自由度。 　　进入Vidu的视频生成页面，笔者也体验了一把“一键生成”的自由。上传一张照片设置为“起始帧”或作为“参考的人物角色”，在对话框里输入想要生成的场景的文字描绘，点击“生成”，一条灵动精彩的短视频就自动生成了。从进入页面到下载完毕，不足1分钟。 　　将一张图片发给国产视频大模型Vidu，一段动画视频随即自动生成。图为视频截图 新奥正版全年免费资料 ,全面解答解释落实_尊享版2.777 　　“‘人人成为设计师’‘人人成为导演’的时代将会到来，就像当年‘人人拥有麦克风’一般。”智谱AI首席执行官张鹏说。 　　“世界模拟器”，有戏吗 　　视频生成，颠覆的仅仅是内容产业吗？这显然不是OpenAI的初衷。“生成视频”只是一道“开胃菜”。 　　Sora诞生之前，OpenAI并未将其定位为AIGC的实现工具，而是复刻物理世界的“容器”——世界模拟器澳门最准的资料免费公开 ,时代资料解释落实_标配版5.235。这一容器里，运行着真实世界的物理规律、环境行为、交互逻辑，恰似《黑客帝国》描绘的虚拟世界，冲击着我们的想象与感官。 　　然而，物理世界是三维的，目前的Sora等模型还只是基于二维运作，并非真实物理引擎，也就谈不到深层次的物理世界模拟。 　　“多年来，我一直表示，‘看到’世界即为‘理解’世界。但是现在我愿意将这个概念推进一步，‘看到’不仅仅是为了‘理解’，而是为了‘做到’。”斯坦福大学讲席教授李飞飞公开表示，空间智能的底线是将“看到”和“做到”联系在一起，有一天，AI将会做到这一点。 　　当“看到”还不等于“做到”时，人工智能的创造就不能停。最近，又有新的技术路线出现了。不同路线之间你追我赶，共同向前，推进这个由向量与模型构造的智能世界。 　　未来的“世界观”，依旧是一道尚未揭晓的谜题。正如美国物理学家费曼所说：“我不能创造一个我不理解的世界。”但这并不意味着，理解了一个世界，就一定能够创造出一个世界。 　　此刻，依旧是颠覆到来的前夜。这就是为什么当我们向技术探索者抛出关于未来的问题时，会得到截然不同的答案。也许“不确定”，正是这个时代的幸事。