AI带来的不只是效率革命，更是创新的进化

近期，谷歌的Gemini“乌龙”事件多少有些让人失望；然而，面对外界的打击，谷歌并没有就此泄气。最近，谷歌发布了名为VideoPoet的大语言模型，旨在解决当下AI视频生成方面的个性化、精准化、可控性等方面的挑战。

不同于Runway、Pika等以图生视频为核心优势的AI大模型，谷歌VideoPoet号称可以实现“零样本生成视频”，且相较于其他模型，画面更稳定、动作更逼真，清晰度也更高。

VideoPoet的功能十分强大，不仅支持常见的文生视频、图生视频，还支持视频编辑、风格化处理、视频扩展以及视频配乐。

其中，在视频编辑方面，输入文字指令即可实现视频内容调整，比如增加动作、调整镜头、添加环境因素等；

在风格化处理方面，可以通过指令改变视频风格，包括人物、场景、穿着、表现风格等；

在视频扩展方面，可以增加视频元素，也可以生成任意时长的视频；

在视频配乐方面，VideoPoet可以在不给任何文本提示的情况下，根据画面自动生成音频。

可以说，VideoPoet较以往的AI视频大模型有了质的飞跃，向大规模商业化落地前进了一大步。

很多人见识到了AI大模式在文字和图像处理方面的优势，但在视频生成方面，AI却有很大缺陷和可提升的空间。

就目前而言，无论是AI图片还是AI视频，往往具有一次性的特点，即无法对AI成品进行局部微调，只能通过提示词一遍遍的重试，才有可能生成自己想要的成品——当然，目前也有部分模型在局部调优方面展现出了巨大潜力，但距离实际应用落地还有一段距离。图片方面容易提升和优化，但对视频而言，局部调整的难度却要高上几个数量级，其所使用的辅助工具也更多，处理起来也更为复杂。

在之前出圈的部分AI视频案例中，更多凸显的其实是AI的效率革命。如今年8月份，热心网友仅用5晚制作的时长1分钟多钟的AI版《流浪地球3》预告片；

9月份上海交通大学文创学院一名学生，花费不到2周制作的、时长3分钟左右的“校园名人路”视频；

他们所使用的工具往往达2-5种左右，在工具之外，更需要人的大量智力参与其中。

而从谷歌VideoPoet的演示效果来看，其横跨视频制作、剪辑、配乐、修复、二次加工各个维度，在深入参与视频制作的前期至后期各个环节的能力方面，无疑是具有开创性的。由此来看，AI大模型带来的已经不单单是效率革命，更可以称之为创意的革命了。

某种程度看，谷歌VideoPoet的出现，是过往各类模型的集大成者，效率的提升无需多言的，其在功能整合和创新方面的表现也可圈可点。VideoPoet不仅让视频制作变得更简单，更让可编辑的AI视频成为可能。

谷歌VideoPoet的推出，引发不少人的惊叹，大家似乎也都在翘首以盼该应用的尽快上线。而VideoPoet究竟会让大家重拾对谷歌的信心，还是再次对谷歌感到质疑和失望，便要看VideoPoet的实际表现了。

国内方面，针对AI视频也是动作频频。近期，字节和阿里的“掐架”便引发一众网友吃瓜。

先是阿里发布了一个AI项目Animate Anyone，号称只需要1张图片和1个骨骼动画，就可以为任何人制作视频，并宣布源代码稍后开源；

接着，字节跳动也放出类似的AI项目MagicAnimate，一样支持1张图片+1个骨骼动画生成视频，且比阿里更进一步，支持一张照片里多人视频化，同时宣布直接开源；

压力给到阿里这边，可阿里也不是“吃素的”，随即发布了一个比上述两个还要强悍的AI项目DreaMoving，可以指定任何人，在任何场景下跳舞。值得一提的是，DreaMoving仅靠脸部照片和文字提示就能生成跳舞视频，不仅支持真人，连动画和绘画人物也不在话下。阿里随即也宣布稍后开源。

DreaMoving的效果很惊艳，不过暂时看不到这个项目究竟有什么商业价值。

从技术角度来看，阿里和字节的AI项目解决了当前大部分AI视频大模型从数据采集到视频生成方面的一些挑战。由于缺乏多样化、一致性的人类舞蹈视频数据集，以及难以获得精确的文本描述，在人类舞蹈动作生成方面，目前的AI视频大模型还面临诸如个性化、可控性等方面的挑战。阿里和字节选择另辟蹊径，通过数据集处理+框架模型重构的方式，提出了新的解决方案，而这无疑为今后国产AI视频大模型的发展提出了新的解题思路。

继人类加大AI语言大模型的投入之后，AI视频大模型的成果也频频迸发。AI席卷之下，其对各行业的冲击之大，将是前所未有的。

当然，随着以谷歌VideoPoet为代表的AI大模型的大规模应用，必然会带来假视频泛滥等后果，然而这并值得忧虑，因为这是新事物出现不可避免的副产物。

乱花渐欲迷人眼之下，保持开放的心态很重要。学会积极拥抱变化，适应变化，运用变化，才有可能在未来的竞争中，把握先机。