Hello,大家好。我是GG哥。在过去六个月里,全球视频生成模型领域经历了一次技术革新的浪潮,这股浪潮迅速在社交媒体上引起了广泛关注。与以往相比,中国在视频生成技术方面取得了显著的进展,甚至在某些方面超越了国际同行。许多国际用户对中国的可灵 AI 视频技术赞不绝口,与此同时,OpenAI 的 Sora 模型似乎还在沉睡中。
今天,国内领先的大模型制造商智谱 AI 也加入了这场技术革命,推出了其最新的 AI 视频生成产品「清影」。这款产品不仅展示了智谱 AI 在视频生成技术方面的最新成果,也标志着国内在这一领域的竞争力得到了进一步的加强。
「智谱清影」的发布,标志着 AI 视频生成技术的一次飞跃。这款由智谱团队精心打造的 AI 视频生成器,不仅拥有令人印象深刻的演示 Demo,更以其强大的功能和易用性,吸引了众多目光。
在一片生机勃勃的森林中,阳光透过树叶的缝隙,形成美丽的丁达尔现象,赋予了光线以形态。
而当海浪如愤怒的巨兽般席卷而来,瞬间吞没整个村庄,那场景仿佛是末日电影中的经典一幕。
城市的霓虹灯下,一只赛博朋克风格的小猴,正手持高科技工具,修理着闪烁的超现代电子设备。
而另一幅画面中,一只小猫露出人性化的困惑表情,脸上满是问号。
没有复杂的宫廷斗争,没有勾心斗角,只有甄嬛和眉庄穿越时空的深情拥抱,展现了真挚的姐妹情谊。
智谱 AI 团队自主研发的 CogVideo 大模型,支持多种视频生成方式,包括文本到视频、图片到视频,适用于广告、电影剪辑和短视频制作等多个领域。清影的指令跟随能力出色,能够准确理解和执行用户的指令。
智谱 AI 还研发了一个端到端的视频理解模型,为海量视频数据生成详细且贴合内容的描述,从而提升模型的文本理解和指令遵循能力,生成满足用户需求的视频。
在内容连贯性方面,智谱 AI 采用了高效的三维变分自编码器结构(3D VAE),将原视频空间压缩至 2%,结合 3D RoPE 位置编码模块,在时间维度上捕捉帧间关系,建立长程依赖。
例如,将土豆变成薯条,只需简单的提示词,即可实现这一变化。
智谱 AI 的 CEO 张鹏在发布会上展示了清影生成视频的能力,生成一个猎豹睡觉的视频,仅需 30 秒。
清影还提供了配乐功能,用户可以为生成的视频添加音乐,直接发布。此外,清影不搞饥饿营销,一上线就全面开放,任何人都可以体验尝试,后续还将推出更高分辨率、更长时长的视频生成功能。
目前,清影处于首发测试期间,所有用户都可以免费使用。若追求更流畅的体验,用户可以选择付费解锁高速通道权益。同时,清影(Ying)API 也在 bigmodel.cn 平台上同步上线,企业和开发者可以通过调用 API 体验和使用视频生成模型能力。
在使用清影的过程中,我们发现视频生成有时像「炼丹」,输出结果不稳定,建议多尝试几次。效果的上限取决于提示词的结构,应尽可能清晰。镜头画面效果最佳的是近景,其他景别可能不太稳定。
大熊猫弹起吉他也是有模有样,多才多艺。
平时不苟言笑的唐僧跟你挥手打招呼,随着节奏摇摆起来。
我们发现,包括可灵在内最近发布的 AI 视频产品,都在通过首尾帧控制等方式提升可控性。
我们还为初学者准备了一些提示词的使用技巧,包括简单和复杂的公式,以及如何构建高质量的提示词。此外,智谱清言提供的帮写视频提示词智能体,可以帮助用户获得优质的提示词。
仅在这两个月,就有不下 10 家公司推出 AI 视频新产品或大更新。
智谱 AI 在发布会上提到,多模态模型的探索还处于初级阶段,但随着算法和数据的不断迭代,相信 AI 视频生成技术将取得更大的进步。AI 视频生成正在从玩具逐渐转变为创作者的工具,为影视创作者提供了新的可能。
图片生成视频同理,输入图像主体,选择图像风格,就能让智谱清言帮你写出对应的提示词。从无提示词、到「戴眼镜」,再到「唐僧伸出手,戴上眼镜」的进化,效果嘛,也是天壤之别。
智谱清影的发布,不仅是技术的突破,更是对未来创作的无限想象。随着 AI 视频生成技术的不断发展,我们有理由相信,它将成为创作者手中的重要工具,开启创意表达的新篇章。