2024或成ai視頻元年，
但當前的玩家更多的是愛好者，
商業交付能力還偏弱。
編輯|易瑾
從開播到結局，《繁花》的熱度不減反增。
劇中取景地和平飯店英國套房16888元一晚售罄、黃河路進賢路成網紅打卡地、可定製西裝的裁縫店電話被打爆、排骨年糕乾炒牛河引發餐飲商家跟風……結局彈幕中，充斥着觀眾對角色的致敬、不舍以及對第二部的呼聲。
近日，甚至有用戶使用chatgpt創作了《繁華2》預告片：90年代一個男人的故事，開始於最卑微的起點，雙手鑄就了他的命運。有劇粉直呼：不愧是ai，真敢說。
“有問必有答”，這是以chatgpt為代表的大語言模型的主要特徵，而預測下一步劇情、大結局外，從《繁花》出生起遇到ai，碰撞出了不一樣的“寶總”形象，也有影視愛好者用ai生成《繁華》視頻，致敬劇組。
進入2024年，ai視頻一改去年的沉寂，踏着希望之光走向大眾視野。從兵馬俑能跳科目三，帶火通義千問的全民舞王，到pixverse、pika等迭代新功能，給創造者打了一波雞血。ai視頻會如《繁花》一樣，好評如潮？這是一個問號。
ai世界的繁花
致敬《繁花》是ai影視探索者陳坤第一個在視頻號，公開發布的作品。40s的預告片，是他用mj（midjourney）作圖，pika生成的視頻，聲音採用的原聲。
圖源：閑人一坤視頻號
視頻發出後，在視頻評論區，不少用戶點贊、評厲害，也有用戶指出，動作還是很遲緩，走步那幾幀很奇怪。
在闡述為何選擇生成《繁花》預告片時，陳坤用“致敬”二字概括自己的初衷，他表示自己曾在華策、優酷等企業從事影視工作，以專業角度看《繁花》，無可厚非是一部好劇，且達到了難以超越的地步。
在敬畏和好奇心驅使下，他想象“《繁花》遇到ai”的畫面，並付諸行動。回顧ai視頻的生成過程，陳坤表示耗費了大約3天的時間，“裡面非常多的鏡頭，是現在aigc還生成不出來的，我更多的是用其他一些鏡頭語言去解決。”
其中值得一提的是，對於腿部運動的支持，是個大痛點，在致敬《繁花》的視頻中，陳坤表示為了生成阿寶和爺叔雙腿走紅毯的鏡頭，不下100次的嘗試，最終呈現的效果也仍差強人意。
圖源：閑人一坤視頻號
距離陳坤創作ai版《繁花》預告片，已經過去了近一個月。期間，字節發布新視頻生成模型majicvideo-v2、pika推出視頻畫面擴充功能、阿里開源dreamtalk、mj將在2月上線初始視頻功能……作為個人使用者，行業的變化陳坤也有明顯的體感。
“aigc是以天為單位在進化的，有的是版本級的進化，有的則是模型微調級的進化。”陳坤說如果是現在重新生成，上述鏡頭不至於生成上百次，效果也會更加流暢。
除了ai視頻外，《繁花》的熱度也蔓延到了ai繪圖、ai影評上，有創作者用ai呈現劇中的經典場景，如香港的街道、霓虹燈等，也有創作者將劇中人物李李、汪小姐和寶總，通過ai圖生圖，賦予了新的數字形象。
萬物皆可科目三
回頭來看過去的整個2023，全球各大科技巨頭從大模型競爭再到應用之戰，ai視頻幾乎和文生圖同一時期進入到人們的視野中，但在去年，ai視頻的發展速度顯然遜色於後者。直到去年年底和今年年初，pika、阿里animate anyone、runway等，在產品迭代和創新上燃起了行業的希望。
英偉達高級科學家jim fan預測，“2024將是視頻之年”。有意思的是，從2024年第一個工作日開始，兵馬俑、布偶、馬斯克以及各地網友跳科目和網紅舞的視頻就陸續在社交平台刷屏。
這些視頻都是用阿里的“全民舞王”ai生成的，用戶僅需上傳一張圖片，就可以生成一段舞蹈視頻。
目前，該應用中內置了12種舞蹈模板，除了“科目三”以外，還有dj慢搖、鬼步舞等網紅舞蹈。這個功能源自他們的一項學術研究animate anyone，這個研究的目標是做可控的人物視頻生成。
根據公開論文顯示，animate anyone集成了多項創新技術，引入了referencenet，用於捕捉和保留原圖像信息，可高度還原人物、表情及服裝細節；該算法使用了高效的pose guider姿態引導器，保證了動作的精準可控；通過時序生成模塊，有效保證視頻幀間的連貫流暢性。
阿里巴巴通義實驗室xr負責人薄列峰表示，“研究本身並不局限在舞蹈生成，為了讓偏枯燥的學術工作，變成大家都能體驗、都能找到樂趣的功能，我們這次是率先上線了一批舞蹈模板。”言外之意，以後可能還會有更多的功能或者應用上線。
通義舞王火爆的同時，市場上也出現了一種聲音，通義千問如何去承接這波流量，會不會難逃公域流量出圈後就是頂峰的宿命。
薄列峰認為，通義舞王是業界在視頻生成領域的全新探索，未來該技術可應用於直播、影視製作、藝術創作等領域。比如工廠女裝生產設計領域、ai模特試衣、漫改劇等等，還在進一步探索中，未來可能還有很多其他應用場景。
多家企業加碼，分成兩種不同路徑
陳坤分析道，真實拍攝牽扯到攝影、燈光、化妝、後期等整個鏈條，所耗費的時間和財力成本是巨大，他以另外一個作品山海奇境里狐狸腦袋，同時驅動火的鏡頭為例，闡述道這樣一個鏡頭成本是10萬元級的，時間可能需要1個月。
圖源：閑人一坤視頻號
通過ai生成視頻，陳坤表示在人力和時間上的效率是明顯提高的。但他也坦言，目前的產品仍處於初期階段，遠沒達到可交付的商業化水平。根據他的觀察，目前在玩ai視頻主要的個人愛好者，專業的ai影視玩家還相對較少。
出現這個現象的原因，他認為除了工具本身還處於發展期，還有一個重要原因是對影視行業的理解不夠，這就涉及提示詞的輸入，創作者需要先在大腦中構建出畫面，再輸入工具能理解的關鍵詞，“對垂類知識要一定了解，工具只是賦能，才能有好的作品誕生。”
無論是陳坤還是薄列峰都有相似的感受，ai視頻日趨火熱，並有不少企業已經布局這一賽道。薄列峰將目前生成視頻的應用分為兩類，一類是gen2、pika這些應用，他們聚焦在文本生成視頻。
他指出這類應用的優劣也很明顯，“有點是文字的表達領域廣，天馬行空，能說出來的都可以生成。相對地，文字也有表達不夠精準的問題，生成的視頻帶有很大的隨機性，通常生成不了長視頻。”
另一類，他認為是和他們更相似的，可控視頻生成，比如disco、dreampose。“舉個例子，從一致性的角度來看，相比這些工作，我們能精準捕捉原人物的衣服、頭髮、鞋子的細節，同時也能更好適配到人物的體型上，最終生成的視頻能很好地保留原圖像形象的特徵。”
對於未來的發展，陳坤預測ai視頻應用發展主要是兩種不同路徑：“玩具”和“武器”。
具體而言，“玩具”面向的更多是愛好者，主要追求的是在公域的出圈，這類應用的定價則需要更謹慎，商業化前景相對沒那麼明朗；“武器”則更多的是針對專業使用者，例如美圖工具，不斷推陳出新賦能行業從業者，這類應用的商業化路徑是相對清晰的，但是對產品力的要求也更高。
不管是已經火爆出圈的open ai的gpt-4，還是熱度趨增的視頻生成模型，本質都屬於多模態大模型。idc發布的《2024 aigc應用層十大趨勢白皮書》也預測，多模態大模型拓展服務邊界、帶來更豐富的用戶體驗是重要趨勢。2023，大模型之戰已打響；2024，期待大模型的價值落地。
綜合自ai視頻創作者、阿里雲、21世紀經濟報道
