|
最近，一款名为Pika的文生视频AI，引起了许多业内人士的关注和讨论。那么，在Pika等应用背后，AI文生视频这条赛道，已经走到了哪一步？想在AI文生视频领域保持领先，企业需要具备哪些条件？一起来看看本文的分析。  关于这个叫做Pika的文生视频AI，这些天想必大家已经了解了很多。 因此，这里不再赘述Pika的各种功能、特点，而是单刀直入地探讨一个问题，那就是： Pika的出现，是否意味着AI文生视频距离人们期望中的理想效果，还有多远？ 一、难题与瓶颈实事求是地说，目前的AI文生视频赛道，难度和价值都很大。 而其中最大的难点，莫过于让画面变得“抽风”的抖动问题。 关于这一点，任何使用过Gen-2 Runway 等文生视频AI的人，都会深有体会。  抖动、闪现，以及不时出现的画面突变，让人们很难获得一个稳定的生成效果。 而这种“鬼畜”现象的背后，其实是帧与帧之间联系不紧密导致的。 具体来说，目前AI生成视频技术，与早期的手绘动画很相似，都是先绘制很多帧静止的图像，之后将这些图像连接起来，并通过一帧帧图像的渐变，实现画面的运动。  但无论是手绘动画还是AI生成的视频，首先都需要确定关键帧。因为关键帧定义了角色或物体在特定时刻的位置和状态。 之后，为了让画面看起来更流畅，人们需要在这些关键帧之间添加一些过渡画面（也称为“过渡帧”或“内插帧”）。 可问题就在于，在生成这些“过渡帧”时，AI生成的几十帧图像，看起来虽然风格差不多，但连起来细节差异却非常大，视频也就容易出现闪烁现象。  除了关键帧的问题外，AI生成视频还面临着诸多挑战，而这些挑战，与AI生图这种静态的任务相比，难度根本不在一个层面。 例如：
为了解决这些难点，研究人员采用了各种方法，如使用循环神经网络（RNN）、长短时记忆网络（LSTM）和门控循环单元（GRU）来捕捉时间上的依赖关系等等。 但关键在于，目前的AI文生视频，并没有形成像LLM那样统一的，明确的技术范式，关于怎样生成稳定的视频，业界其实都还处于探索阶段。 二、难而正确的事AI文生视频赛道，难度和价值都很大。 其价值，就在于其能真切地解决很多行业的痛点和需求，而不是像现在的很多“套壳”应用那样，要么锦上添花，要么圈地自萌。 关于这点，可以从“时间”和“空间”两个维度上，对AI文生视频的将来的价值空间做一番审视。 从时间维度上来说，判断一种技术是不是“假风口”、假繁荣，一个最重要的标准，就是看人们对这类技术的未来使用频率。 根据月狐iAPP统计的数据，从2022年Q2到今年6月，在移动互联网的所有类别的APP中，短视频的使用时长占比均高达30%以上，为所有类别中最高。  科技巨头Adobe Systems收购了Rephrase.ai，Meta推出了Emu Video，Stability AI发布了Stable Video Diffusion，Runway对RunwayML进行了更新。 而就在昨天，AI视频新秀NeverEnds也推出了最新的2.0版本。  从目前来看，Pika、Emu Video、NeverEnds等应用，已经显示出了不俗的实力，其生成的视频，已大体上能保持稳定，并减少了抖动。 但从长远来看，要想在AI文生视频领域持续保持领先，至少需要具备三个方面的条件： 1）强大的算力 在视频领域，AI对算力的要求，比以往的LLM更甚。 这是因为，视频数据包含的时间维度和空间维度，都要比图片和文字数据更高。同时为了捕捉视频中的时间动态信息，视频模型通常需要具有更复杂的结构。 更复杂的结构，就意味着更多的参数，而更多的参数，则意味着所需的算力倍增。 因此，在将来的AI视频赛道上，算力资源仍旧是一个必须跨过的“硬门槛”。 2）跨领域合作 与图片或文字大模型相比，视频大模型通常涉及更多的领域，综合性更强。 其需要整合多种技术，例如来实现高效的视频分析、生成和处理。包括但不限于：图像识别、目标检测、图像分割、语义理解等。  如果将当前的生成式AI比作一棵树，那么LLM就是树的主干，文生图模型则是主干延伸出的枝叶和花朵，而视频大模型，则是汲取了各个部位（不同类型数据）的养分后，结出的最复杂的果实。 因此，如何通过较强的资源整合能力，进行跨领域的交流、合作，就成了决定团队创新力的关键。 3）技术自主性 诚如之前所说，在目前的文生视频领域，业界并没有形成像LLM那样明确的、统一的技术路线。业界都在往各种方向尝试。 而在一个未确定的技术方向上，如何给予一线的技术人员较大的包容度，让其不断试错，探索，就成了打造团队创新机制的关键。 对于这个问题，最好解决办法，就是让技术人员亲自挂帅，使其具有最大的“技术自主性”。 诚如Pika Labs的创始人Chenlin所说：“如果训练数据集不够好看，模型学到的人物也不会好看，因此最终你需要一个具有艺术审美修养的人，来选择数据集，把控标注的质量。” 在各企业、团队不断竞争，行业新品不断涌现的情况下，文生视频AI的爆发期，就成了一件十分具体的，可以预期的态势。 按照Pika Labs创始人Demi的判断，行业也许会在明年迎来AI视频的“GPT时刻”。 尽管技术的发展，有时并不会以人的意志为转移，但当对一种技术的渴望，成为业界的共识，并使越来越多的资源向其倾斜时，变革的风暴，就终将会到来。 作者：举大名耳 来源公众号：AI新智能（ID：alpAIworks），一个致力于探索人工智能对商业世界和社会影响的平台。 本文由人人都是产品经理合作媒体 @AI新智能 授权发布，未经许可，禁止转载。 题图来自 Unsplash，基于 CC0 协议 该文观点仅代表作者本人，人人都是产品经理平台仅提供信息存储空间服务。 |
