圖片來源 @視覺中國

文｜腦極體

九月初的時候，AI 繪畫作品《太空歌劇院》在美國獲得了人類藝術競賽一等獎的新聞讓許多人震驚不已。學多人沒有想到，畫沙雕圖的 AI 竟然這么快就技能進步到超越了人類。AI 作畫的時間從年初以小時為單位到現在短到秒級別，并且繪出的圖像質量越來越高，幾乎接近人類專業畫家的水平。我們在社交媒體中也看到越來越多的人分享他們在各種 AI 作畫平臺上的作品。

AI 作畫的風頭正盛，用 AI 做視頻的應用也悄然而至。九月底 Meta 小扎公布了自家 Make-A-Video 的 AI 視頻制作工具。這款工具可以生成高質量的短視頻。Meta AI 做視頻的新聞還沒有焐熱，谷歌也不甘示弱，推出了兩款 AI 生成視頻的工具：Imagen Video 和 Phenaki。前者傾向于打造視頻質量，后者傾向于視頻的邏輯與時長。這幾款 AI 視頻制作工具各有特色。

文本生成圖像的 AI 技術大火才不過幾個月，就直接躍升至文本生成動態視頻。從畫圖到做視頻，AI 的發展速度令人訝異，同時令人對未來的數字媒體憧憬。那么，這種跨越到底會給未來帶來什么呢？

AI 做視頻是 AI 作圖的延伸

在討論 AI 生成視頻會給未來帶來哪些改變前，我們先梳理下，AI 生成視頻的技術原理和應用場景。

先從 Meta 家的 Make-A-Video 看起。在小扎公布的視頻中，我們可以看到一場 AI 制作的視頻秀，其中一幕是泰迪熊正在畫自畫像。僅僅通過文本描述，Make-A-Video 就可以生成一段視頻。官網的案例中，我們會發現還有一些會飛的超人狗狗、喝水的馬等，這些視頻都是由 AI 生成的。

谷歌的 Phenaki 工具也類似 Make-A-Video，可以通過一系列的文本提示生成有故事性的連貫視頻。如官網展示的騎馬太空人、游泳的小熊等。

從 AI 作畫到 AI 制作視頻，靜態的圖像創作又轉化為動態的視頻演繹一些簡單的情節片段，這些是如何依靠技術達成的呢？

AI 繪畫的原理，簡單來說是通過神經網絡模型將圖像與文本連接，基于大規模的圖文訓練集對比學習訓練，提取文本與圖像特征互相匹配，最終生成關聯程度較高的圖像。

與 AI 作畫相比，AI 生成視頻需要多個 AI 模型的配合來完成視頻的制作。作畫與做視頻的第一步都需要預訓練文本 - 圖像模型，先由文本生成大量的圖像。而后續的步驟就出現較大的差別。AI 生成視頻，在完成基本的圖像生成之后，還需要將這些圖片連起來，變成動態清晰有邏輯的視頻。這就需要額外增加插值模型來處理圖片變成一幀幀流暢的視頻動作，用超分辨率模型來提升圖像的像素。通過這些模型的處理，讓前后幀之間的過渡動作更加平滑，畫質的像素質量更高，最終生成高分辨率和幀率的視頻。

相較于 AI 作畫，從技術上來看，視頻可以認為是多張 " 圖片 " 有邏輯、連貫的組成。視頻幀是一張張圖像，各幀之間有畫面、邏輯等層面的關聯。因此，由文生圖與由文生視頻完全是兩種難度級別。AI 生成視頻，是 AI 生成圖像的深度延伸。

AI 生成視頻相對更難實現。為什么 AI 研究人員會向視頻領域的創作進發？AI 做視頻到底有什么應用價值呢？

AI 做視頻價值幾何？

移動互聯網的繁榮，催生出了各類社交和流媒體平臺。這些平臺中豐富的圖文、視頻內容，成為當代人碎片時間的精神食糧。伴隨短視頻平臺和直播行業的興起，人們對內容的需求越來越旺盛。這也筑造了規模龐大的泛內容產業。

對于內容的創作，核心的是創意與效率。但以人為核心模式的創作模式在高速迭代的內容產業中似乎越來越趕不上趟。應用 AI 技術來輔助內容創作的 AIGC 模式，開始滲入到泛內容領域中。

從視頻的創作角度來說，在腳本外，尋找匹配適合的視頻素材是創作的核心。雖然行業內有大量的素材庫，但尋覓素材的過程耗費時間，并且也不一定能找到符合腳本內容的視頻素材。

面對提升效率與貼合腳本內容的需求，AI 生成視頻工具可以很好地解決這類問題。谷歌和 Meta 的 AI 視頻工具都可以基于文本描述生成視頻。

Make-A-Video 目前可以實現文字轉視頻、圖片轉視頻、視頻生成視頻三種功能場景。谷歌 Imagen Video 不僅能生成高清視頻，而且能理解并生成不同藝術風格的作品。而谷歌 Phenaki 目前可以做到文字轉視頻，并且根據文字描述可以生成較長、情節連貫的作品。Phenaki 瞄準的是長視頻的制作。

無論是短視頻領域，還是長視頻領域，面向這些行業，AI 生成視頻都會為視頻內容行業的發展賦予價值。

1. 提升視頻制作效率的同時降低制作成本。傳統的視頻制作需要腳本、收集素材、剪輯等流程，每一項工作都需要耗費大量的時間與成本。AI 生成視頻可以通過文本生成視頻，或者由圖片、視頻等素材生成視頻，可以降低拍攝或搜集視頻素材的成本。AI 可以對應著腳本文本的描述，就能生成視頻，大幅提高視頻制作的效率。

2. 增加豐富的創意。AI 大模型可以遍歷學習所有的創意與風格。從內容的豐富度來說，人類無法企及。通過不同風格、創意素材的喂養，AI 視頻生成可以創作出多種風格融合的作品，補充人類制作視頻的創意。

3. 增加內容產業價值。AI 視頻生成對視頻內容領域的革新，為行業帶來新的應用場景與新工種。AI 作畫已經誕生出了新的職業 AI 畫師。類似 AI 作圖，AI 做視頻也會誕生出新的職業，AI 剪輯師，應用 AI 工具創作視頻。未來 AI 生成視頻將會與游戲、影視、媒體等多行業結合，與元宇宙、AR、VR 等場景碰撞，創造出更多的場景與產業價值。

不過現下 AI 生成視頻的發展處于非常初級的階段，并不能完全生成出較完善的視頻。我們在谷歌和 Meta 中看到的視頻，仍然存在許多問題。比如視頻動作過渡不自然、理解角度詭異、視頻分辨率不高等。這些情況的出現原因在于 AI 工具模型的能力不高，對模型投喂的素材數據質量有一定的要求。如果這些問題得不到較好的解決，也會限制未來一些場景的應用可能，如對于像素和邏輯要求較高的商業影視劇。而短平快的小視頻根據分發渠道的不同，質量的參差帶來的影響不同。但歸根結底，高質量的視頻內容商業化的可能性會更大。

未來的商業模式

AI 生成視頻，未來的商業模式取決于不同的應用場景。面對一些制作短視頻為主的小 B 端企業，如媒體、廣告、電商等行業。谷歌、Meta 等 AI 企業會為這些小 B 端企業提供 AI 視頻制作應用服務。類似 AI 作畫的商業邏輯，可能提供按次收費、按時長付費或者是按照不同功能與需求的制作收費，助力這些行業提升內容創造的效率，增加在線視頻領域的流量。不過這種商業模式的發展必須以規模化支撐，這樣才能有可持續發展的可能，畢竟 AI 廠商的視頻工具開發與運維成本較高。

對于以流媒體平臺分發為主，制作中長視頻的影視行業來說，需求的頻次與質量要求較高，因此 AI 廠商需要提供的是解決方案為主的服務，甚至是定制化的服務，提供專屬的創作模塊，比如特效、運鏡、轉場等模塊化工具。這種商業模式的價值高，但對于整個影視行業以及上下游產業鏈來說，是巨大的變革。產業需要花費較長時間地過渡與適應。

除了影視企業以外，游戲行業與 AI 視頻制作也會有可能碰撞出火花。游戲行業的視頻內容開發可以借助 AI 生成視頻來提高創意與效率，降低開發的成本。對于游戲行業的商業模式也會類似影視行業提供專門的行業解決方案。

當然，整個產業領域中，也有一些企業對視頻生成的需求并不高，但也不是完全沒有需求。比如大多數小企業都需要簡單的企業宣傳視頻，或是年度的幾場活動需要視頻內容宣傳支持。一年可能就兩三次的需求，頻次較低。這些企業并沒有專業的視頻制作人員，可能會選擇應用 AI 生成視頻工具。

如果觀察的視角從企業轉向個體的話，大部分個人消費者也可以應用 AI 生成視頻來娛樂。就像 AI 作圖一般，AI 生成的視頻也會成為新的社交媒體話題。網友可以通過輸入文本指令生成各種各樣的視頻，交流創意。我們或許會從被投喂的角色，轉化為創作者互相分享，交流創意與思想。

這些商業模式的可能性建立在視頻內容優良與成本合理的前提下。未來 AI 視頻商業化的過程中，可能依然會面臨版權和倫理的問題。無論是素材庫還是 AI 生成視頻的風格養成，都離不開人類創作的圖像、視頻等內容。AI 工具需要這些人類創作的圖像數據訓練迭代。這也意味著在版權方面依然存在歸屬爭議的灰色地帶。倫理方面，當輸入暴力、血腥、黃色等敏感信息，生成的內容可能會陷入倫理道德的困境。這些問題會伴隨著視頻生成長期存在，需要設置更好的機制與模式去減少這類事情的發生。

與 AI 做視頻不同，AI 作圖最終內容可以抽象。這種圖像內容可能藝術價值更高。但對于視頻來說，內容必須連貫、有邏輯。這也對 AI 生成視頻的能力提出了要求。AI 生成長視頻是否有邏輯，可以根據文本表達出故事性，仍然是個未知數。尤其是一些深度的內容制作，AI 是否能夠創作出這類內容需要打個問號。而這些 AI 到達不了的領域，就是人類創作的價值地所在。

內容的創作，藝術的創作最終導向的是連接，或者是連接智慧，或者是連接靈魂。人們借由藝術表達共鳴，而這些都是 AI 去不了的場域。未來，或許在 AI 的內卷下，是人類高質量內容創作的高峰。