AI视频何时才能跑出一个“Midjourney ”?

原文来源：光锥智能

文｜郝    鑫

编｜刘雨琦

图片来源：由无界 AI生成

AI视频一跃成为“明日之星”，大厂和创业公司们打得热火朝天。

去年12月，Pika的出现仿佛点燃了AI视频赛道的引线，一个月之内冒出了近十家公司，谷歌、阿里、字节、腾讯竞相下场，不断将战事推向了高潮。

“AI视频的Midjourney V5时刻就要到了”，即将迎来成为生产力的关键时刻。

2022年～2023年，文生图的技术以肉眼可见的速度迭代进化。Midjourney平均3个月一个版本，一路从V1狂奔到了V6，实现了从“面目全非”到“细腻逼真”的里程碑式的巨变。文生图技术以月为单位的进化速度，像一把节奏紧凑的小锤，不停提醒所有AI视频的公司们，留给他们成长的时间，不多了。

（图：网友制作的V1-V6的生成效果对比图，来源X）

如今AI视频的发展轨迹也正在慢慢向文生图靠拢，“Midjourney V5”成为了一个关键性的临界点：一旦突破，用户将大规模涌入，数据飞轮开始转动，效果日新月异，一步步推动着文生视频从“玩具”蜕变为“生产力”。

从文字到图片、视频的发展一脉相承，从文生图的进化历程中，也可以找寻到AI视频的影子。

当AI视频成为生产力后，才是产业链齿轮开始转动的开端。只有能用起来，才能诞生目标用户群体；只有能留存住用户，产生持续性的付费，才能构建起清晰的商业模式；也只有跑通了商业模式，池子里的企业才能存活下来，用消费端推动供给端，才能盘活整个AI视频产业。

“AI视频行业的生产力”——这恰恰才是现在各路玩家争夺的价值所在。

梦工厂创始人Jeffrey Katzenberg在近期预测，“生成式AI将使动画电影的成本，在未来3年内降低90%，该技术将给媒体和娱乐行业带来彻底的颠覆”。

“未来可能实现以每秒30帧的高分辨率实时生成内容，并且到2030年，可能会实现整个视频游戏的生成 ”，Midjourney首席执行官DaVid Holz判断道。

V5赛点已至，新一轮的排位赛正式打响，何时才能诞生下一个Midjourney？

AI视频迎来“生产力”时刻

实际上，AI视频几乎与文生图同一时期进入到人们视野中。

2023年初，Midjourney带火了文生图，Runway则激起了“人人制作电影大片”的无限遐想。

彼时，看到文生图领域在效果上大放异彩的Runway创始人曾表示：“希望 Gen-1 能像 Stable Diffusion 在图像上所做的那样为视频服务。我们已经看到了图像生成模型的爆发，我相信2023年将会是视频之年。”

但显然这个论断下得有点过早。2月，RunwayAI视频编辑Gen-1发布，功能类似于AI版的PS，可通过文字输入进行视频的风格转化和修改；3月，发布文生视频模型Gen-2，支持文生视频、文本+图像生成视频。

宣传视频很酷炫，但具体使用效果却差强人意，出现了时长短、生成画面不稳定、指令理解出错、没有音频、动作不连贯和不合理等等种种问题。

Runway打响AI视频第一枪后，虽未停下脚步，但却在视频编辑工具的道路越走越远，运动笔刷、文字转语音、视频合成等功能，只能算“锦上添花”。Gen-2迟迟没有根本性的突破，也让AI视频沉寂了一段时间。

就在大家快要失去对AI视频耐心的时候，去年12月，Pika、Genmo、Moonvalley、NeverEnds、谷歌VideoPoet、阿里Animate Anyone、字节Magic Animate，踏着希望之光来了。

在Pika的官方宣传片中，仅需一句话，就生成了动画版的马斯克，不但神形兼备，而且背景和动作都非常合理连贯，面部一致性也惊人得完美。

（图：Pika 1.0宣传视频动图，源自X）

在其官方展示的第一个视频中，生成效果几乎可以达到迪士尼等动画电影公司的质感。

（图：Pika 1.0宣传视频动图，源自X）

据使用过Pika 1.0产品的用户反映，Pika 1.0 支持3种方式生成视频：文生视频、图生视频、视频转视频。3D和2D效果确实上了一个全新的台阶，逼真度、稳定性、光影效果都可以吊打Gen-2。

“Pika 1.0和Gen-2仿佛不是一个时代的产品”，不少网友都在使用后给出了这样的评价。