丰色 发自 凹非寺

量子位 | 公众号 QbitAI

号称可以一句话拍大片的 AI 视频生成工具Gen-2，开始露出庐山真面目。

有推特博主已经率先拿到了内测资格。

这是他用提示词“一个身材匀称 or 对称（symmetrical）的男人在酒吧接受采访”生成的结果：

只见一个身着深色衬衣的男人正望着对方侃侃而谈，眼神和表情透露着一股认真和坦率，对面的人则时不时点头以示附和。

视频整体非常连贯且画质很是清晰，乍一看，真实访谈感满满有没有！

同样的提示词生成的另一个版本也不赖：

这次镜头更加拉近，背景更逼真，人物则仍然富有表现力。

有网友看完这组作品直呼：

太不可思议了吧，只靠文字提示就能生成这样的结果！

还有人直言：

这是视频领域的 Midjourney 来了。

博主实测 Gen-2

这位博主名叫 Nick St. Pierre，专门在推上分享他用 AI 制作的作品。

除了开头所见的写实风，他还发布了一组 Gen-2 的科幻作品。

比如 “宇航员穿越太空”：

“一名武装士兵沿着宇宙飞船的走廊奔跑，身后一道黑影摧毁了墙壁”：

“一家在人类动物园吃微芯片的机器人”：

“人形机器人大军在冰冻的平地上进行殖民”：

（有种权游里面异鬼大军进击长城的气势……）

“地球上最后一个人看着入侵的宇宙飞船降落在东京上空”：

……

以上这些全部都只凭一句提示词就能完成，不需要借鉴其它图片和视频。

虽然说这组科幻的效果相比 “酒吧男人接受采访” 稍显逊色，但神奇的是，它和 AI 图像生成模型诞生之初的那种 “混沌不清” 的味道可以说不相上下——仿佛看到了 Stable diffusion 等 AI 当时的影子。

如 Nick St. Pierre 表示：

Gen-2 还处于婴儿期，后面一定会更好。

我们也在网上找到了其他已经拿到内测资格的人测试的一些效果：

可以说，除了比较难的科幻作品，其它它拿捏的都还不错的亚子。

AI 视频生成也狂飙

专攻视频生成的 AI 工具 Gen-2 于 3 月 20 日发布（论文 3 月 11 号）。

作为 AIGC 领域的新秀，它的迭代速度和质量也是相当快了：

Gen-1 版本 2 月才刚诞生，那会还只能对已有视频进行编辑；

现在 Gen-2 就已经可以用文字和图像作为提示词直接生成视频了。

官方号称它为 “生成式 AI 的下一步”，宣传语给的也是很霸气：

say it，see it。（只要你能说出来，我就能让你看到）

Gen-2 的更新一口气带来了八大功能：

文生视频、文本 + 参考图像生视频、静态图片转视频、视频风格迁移、故事板（Storyboard）、Mask（比如把一只正在走路的小白狗变成斑点狗）、渲染和个性化（比如把甩头小哥秒变海龟人）。

它的出现和 AI 绘画一样，让人看到了影视、游戏和营销等领域暗藏的巨大变革。

其背后开发公司也值得说道，它就是 Runway。

Runway 成立于 2018 年，为《瞬息全宇宙》特效提供过技术支持，也参与了 Stable Diffusion 的开发（妥妥的潜力股）。

提示：Gen-1 已经可以开始玩了 (125 次机会用完之后就只能按月付费了），Gen-2 还没有正式对公开放。

除了 Gen 系列，微软亚研院还最新发布了一个可以根据文字生成超长视频的 AI：NUWA-XL。

只用 16 句简单描述，它就能 get 一段长达 11 分钟的动画：

在往前一点儿，就在 Gen-2 发布同一天，阿里达摩院也开源了 17 亿参数的文本转视频 AI：

效果是酱婶的：

……

可以预见，不止图像生成，视频领域也要变得热闹起来了。

咳咳，所以下一波大众 AI 狂欢，会是它吗？

参考链接：
[1] https://twitter.com/nickfloats/status/1644540896321437696
[2] https://twitter.com/nickfloats/status/1644081726141132800
[3] https://research.runwayml.com/gen2
[4] https://twitter.com/c_valenzuelab/status/1645158717766115328
[5] https://modelscope.cn/models/damo/text-to-video-synthesis/summary
[6] https://nuwa-infinity.microsoft.com