亚洲永久免费/亚洲大片在线观看/91综合网/国产精品长腿丝袜第一页

每日經(jīng)濟新聞
要聞

每經(jīng)網(wǎng)首頁 > 要聞 > 正文

快手可靈PK Sora,五大場景全面評測 誰才是真正的“世界模擬器”?

每日經(jīng)濟新聞 2024-06-21 13:16:23

每經(jīng)記者 王郁彪  溫夢華    每經(jīng)編輯 程鵬 董興生    

大洋彼岸,Sora的到來,似乎讓AI有了睜眼看世界的可能。在官方表述中,Sora被稱為“世界模擬器”:它理解真實的規(guī)則,并在此基礎(chǔ)上生成“世界”。

如果說從前還是一道銅墻鐵壁,那么現(xiàn)在,虛擬與真實可能僅一線之隔。大家都不想做創(chuàng)建虛構(gòu)的玩具,而是想成為生成世界的“造夢機”。Sora之后,它的挑戰(zhàn)者們前赴后繼。

6月,視頻生成大模型迎來又一輪新品爆發(fā),生成式AI賽道像是“過年了”。快手可靈、Luma AI以及Runway迭代更新后的Gen-3 Alpha等現(xiàn)象級爆款不斷涌現(xiàn)。其中,討論度最高的是快手自研視頻生成大模型“可靈”,全面對標Sora。

《每日經(jīng)濟新聞》記者將OpenAI官方公布的5條Sora視頻提示詞投喂給可靈,對其文生視頻的能力進行測試,同時從動態(tài)、視效、細節(jié)、場景等多維度表現(xiàn)進行結(jié)果比對和關(guān)聯(lián)。

每經(jīng)記者從五大場景全面評測Sora和快手可靈

測試和觀察后發(fā)現(xiàn),雖然在部分維度Sora仍然領(lǐng)先,且可靈由于尚處開放初期,上線功能相對單一,生成存在一定限制,但幾乎可以判斷,國產(chǎn)視頻生成大模型已經(jīng)上升到了一個新的高度。

國金證券互聯(lián)網(wǎng)傳媒首席分析師陳澤敏在接受記者采訪時表示,拋開技術(shù),快手“可靈”已經(jīng)實現(xiàn)一部分絕對真實世界觀的數(shù)據(jù)支持,AI對不同世界觀的快速理解以及在視頻上的反應(yīng),“這是我認為不可思議的”。

CFF20LXzkOwNfsay86cib4p0S2T0NfBIZicSMl7tYnKBaibmLibs8uIQI1mZYasibU5KFf6wlMM5EENdMic3ibFTHCmUw.png

可靈,靈嗎?

Sora之后,國內(nèi)視頻生成大模型不斷推出。

3月底,字節(jié)旗下Dreamina(即夢)內(nèi)測視頻生成功能;4月底,生數(shù)科技首個文生視頻模型Vidu發(fā)布;5月,騰訊也開源了DiT架構(gòu)的混元文生圖模型。

今年以來,快手先后發(fā)布1750億參數(shù)規(guī)模的通用大語言模型“快意”和文生圖大模型產(chǎn)品“可圖”。視頻生成大模型可靈則在6月被推出,快手方面稱,可靈能夠生成大幅度的合理運動,模擬物理世界特性,生成的視頻分辨率達1080p,時長最長可達2分鐘。圖生視頻功能后續(xù)開放。

《每日經(jīng)濟新聞》記者選取了OpenAI官方公布的5條Sora視頻提示詞(東京街頭的女士、太空人、無人機視角的海岸、3D動畫的小怪物、云端讀書的年輕人)測試可靈。同時比對生成視頻進行效果測試,從“畫面呈現(xiàn)”“功能與體驗”兩大維度下的多個具體表現(xiàn)進行總結(jié)。

在畫面呈現(xiàn)上:

1、動態(tài)效果。可靈的“鏡頭”普遍為前后向邏輯推進,Sora則更豐富。在“海浪撞擊懸崖的無人機視圖”一項,Sora畫面的聚焦點在提示詞中“有燈塔的小島”,對整個環(huán)境進行環(huán)視,重點突出。可靈的鏡頭前后推進,小島被設(shè)置在畫面的最遠端,沒有重點突出小島。不過,Sora和可靈對海浪的運動軌跡描述都很準確。

CFF20LXzkOxv24g47m7GmSeXZ1yibj0VKc6s3kj429OZdxpiaiakjyNWpLlN58LogsKd0aYhUia1XlLd3aP3yJicm7A.jpg

CFF20LXzkOxv24g47m7GmSeXZ1yibj0VKN8QsjfjS5r55hGPZMxazZ2Nl50WiaQiavfSRkUIjcHsgoERXWNZgzaKg.jpg

Sora(上)與可靈(下)生成視頻對比 圖片來源:視頻截圖

2、視覺效果。這一項上,Sora和可靈表現(xiàn)都較為優(yōu)秀。特別是在“東京街頭的女士”視頻畫面呈現(xiàn)上,無論是對霓虹燈色彩的展示,還是潮濕地面反光的呈現(xiàn),兩個模型的畫面光影表達都很準確。

CFF20LXzkOxv24g47m7GmSeXZ1yibj0VKcdakO8A89WNoBfbDyKFLx7GXWA1bpLTDicuchtZj5DVD7TKFiaFEp90Q.jpg

CFF20LXzkOxv24g47m7GmSeXZ1yibj0VKGgTsIUSCrlGtSpHaFc9e1dB75smDq39F97xP86Ru95PDURm5LmxfyQ.jpg

Sora(上)與可靈(下)生成視頻對比 圖片來源:視頻截圖

3、細節(jié)表現(xiàn)。記者重點關(guān)注到二者對人的五官的呈現(xiàn)。Sora的刻畫更細致,特別是人在動態(tài)場景下,五官沒有變形,幾乎是相對靜態(tài)的。可靈在動態(tài)場景下,人的五官有所變形,會隨著畫面鏡頭的推進、人的動作而扭曲。

但在“3D動畫的小怪物”生成上,可靈的細節(jié)表現(xiàn)與Sora差別不大,特別是對小怪物蓬松毛發(fā)特性的捕捉和呈現(xiàn)上,很精準也很細致。

CFF20LXzkOxv24g47m7GmSeXZ1yibj0VKZKefYDQ0zGZyNiakWVtcicAAKMVu05QDZRrwQ1U3HSaUAkGST4VKCzDg.jpg

CFF20LXzkOxv24g47m7GmSeXZ1yibj0VK2XNwMs7NaKzqNkwJyciaBicFEic1XRd86JKW6B1WQPEHzcTznHdmlMNEQ.jpg

Sora(上)與可靈(下)生成視頻對比 圖片來源:視頻截圖

4、連貫性和流暢度。Sora和可靈的畫面表現(xiàn)均連貫、流暢,但稍有不同的是,對復(fù)雜場景的描述,Sora明顯更優(yōu)。特別是在“太空人”的畫面生成上,可靈的畫面只給出了太空人的正面特寫,但Sora呈現(xiàn)了遠近景的切換,添加了更多輔助元素,如飛船等。

在功能和體驗上,Sora與可靈視頻生成的風格都更偏向模擬真實世界的場景。無論是科幻場景、自然風光、超自然畫面、3D動畫等都更加側(cè)重寫實的風格。

在不同場景的適配上,Sora的能力似乎更勝一籌。在對“云端上讀書的年輕人”的畫面生成上,可靈的貼圖感更重,素材間的融合度不高。語義的理解上,Sora和可靈都較為準確,特別是對提示詞中不同主體的捕捉,都比較完整。

CFF20LXzkOxv24g47m7GmSeXZ1yibj0VKvd2aoqpzicRezQ5lrYAGhbiajpanh5RkXVYiaDePWiarZvVumeMneLP15g.jpg

CFF20LXzkOxv24g47m7GmSeXZ1yibj0VKlibzSzpwg90Br0pTASRYZpibYv6gCm9yCgp9PmQIlxgOJPF9I04B53Gg.jpg

Sora(上)與可靈(下)生成視頻對比 圖片來源:視頻截圖

不過,需要注意的是,可靈目前生成的視頻長度均為5秒,與Sora的10至20秒相比,前者在復(fù)雜場景的敘述處理上會呈現(xiàn)一定的局限性。上線初期的可靈,功能較單一,風格切換等有局限性。

此外,《每日經(jīng)濟新聞》記者也在體驗時發(fā)現(xiàn),在一些視頻生成時,“可靈”也會“失靈”。例如,彈吉他的熊貓擁有人類的手指;提示詞中“淺綠色的布藝沙發(fā)”,到了視頻中呈現(xiàn)的則是紅棕色的皮質(zhì)沙發(fā)。同時,在一些視頻中,當有多個主體時,有時也會出現(xiàn)一些元素無法完全呈現(xiàn)在視頻中的情況。

CFF20LXzkOxv24g47m7GmSeXZ1yibj0VKFKuNiclS3afqcmRePYKEyzqRiccsF2Y3POSgialjDo8BKXibWWliaTD0ZqA.png

圖片來源:視頻截圖

而在生成“10歲小女孩在羽毛球場比賽”時,小女孩手里的羽毛球拍變成了網(wǎng)球拍,且只有乒乓球拍大小,羽毛球也變成了網(wǎng)球。可見,實際生成視頻時,可靈有時存在一些較大的偏差。

CFF20LXzkOxv24g47m7GmSeXZ1yibj0VKRh8WsFlTKsbzIUVHmDiaErRjOCQkn8hiaquuf8KibX4nWfn13Xp9mBnNg.png

圖片來源:視頻截圖

值得注意的是,上述可靈視頻由記者測試生成,不同版本視頻可能存在差異。而目前Sora仍未開放,所生成視頻均為官方發(fā)布的版本,待Sora開放測試后,用戶實際測試效果或許與官方發(fā)布視頻也有差異。

CFF20LXzkOwNfsay86cib4p0S2T0NfBIZicSMl7tYnKBaibmLibs8uIQI1mZYasibU5KFf6wlMM5EENdMic3ibFTHCmUw.png

可靈一號難求? Sora技術(shù)架構(gòu)路線可以被復(fù)現(xiàn)

“肯定是超出預(yù)期的,而且最先推出來比肩Sora的是快手團隊,還挺意外。”多位在互聯(lián)網(wǎng)行業(yè)深耕多年的資深行業(yè)人士、資深產(chǎn)業(yè)分析師在接受《每日經(jīng)濟新聞》記者采訪時坦言。

隨著快手“可靈”正式開放內(nèi)測,社交平臺上,已有不少博主、創(chuàng)作者分享自己使用“可靈”的體驗,國外創(chuàng)作者們也是各種求內(nèi)測。雖然目前內(nèi)測只能生成5秒視頻,但已經(jīng)有不少體驗者通過多個視頻組合成短片,不少網(wǎng)友笑稱“壓力給到了抖音剪映”。

早在2023年初,快手就啟動了新AI戰(zhàn)略,在最近幾次財報電話會議上,快手聯(lián)合創(chuàng)始人兼首席執(zhí)行官程一笑也頻頻談及快手自研大模型的研究及應(yīng)用進展。不過,在很多人看來,快手更側(cè)重于短視頻和社交內(nèi)容,而非專業(yè)的視頻剪輯工具。此前的大模型競爭中,快手也并不是引人關(guān)注的第一梯隊成員。

此前,快手推出的通用大語言模型“快意”以及文生圖大模型產(chǎn)品“可圖”,在市場的關(guān)注度和影響力均相對有限。如今,“可靈”的出現(xiàn),讓國內(nèi)大模型賽道看到了對標Sora“彎道超車”的可能。

CFF20LXzkOxv24g47m7GmSeXZ1yibj0VKg7ORdKDnSV1Y2rTCfjnoXo5D2WmbJf0a7f7ic8usfpJvqxgicP4Pzj6A.jpg

可靈生成的“3D動畫的小怪物”

《每日經(jīng)濟新聞》記者了解到,在架構(gòu)選擇方面,可靈整體框架采用了類似Sora的DiT結(jié)構(gòu),用Transformer代替了傳統(tǒng)擴散模型中基于卷積網(wǎng)絡(luò)的U-Net。同時,在此基礎(chǔ)上,快手大模型團隊還對模型中的隱空間編/解碼、時序建模等模塊進行了升維。

在陳澤敏看來,拋開技術(shù),快手“可靈”已經(jīng)實現(xiàn)一部分絕對真實世界觀的數(shù)據(jù)支持,AI對不同世界觀的快速理解以及在視頻上的反應(yīng),“這是我認為不可思議的”。

在互聯(lián)網(wǎng)產(chǎn)業(yè)深耕多年的某頭部游戲公司高管李嚴(化名)認為,或許抖音未來也會推出類似的文生視頻模型,但目前“可靈”的推出,最大的意義在于,它證明Sora的技術(shù)架構(gòu)路線是可以被復(fù)現(xiàn)的,并且依托短視頻平臺的海量、優(yōu)質(zhì)過往數(shù)據(jù),是可以后來居上的。同時,也說明之前Sora出現(xiàn)時業(yè)內(nèi)對它“真實世界模擬器”的評價可能過高。

相關(guān)研報指出,目前,國內(nèi)大語言及多模態(tài)大模型正持續(xù)追趕海外主流大模型,模型能力逐步提升,帶動下游應(yīng)用發(fā)展。過去幾個月,國內(nèi)頭部應(yīng)用總訪問量與海外頭部應(yīng)用總訪問量差距逐漸縮小,看好未來國內(nèi)應(yīng)用快速增長的趨勢。

陳澤敏指出,雖然“可靈”搶跑為快手在文生視頻賽道開了一個好頭,但這條道路要持續(xù)走下去,仍需要很大投入。

“未來如果‘可靈’能夠延長到完整的15秒,并擁有連貫、不拖影、多元世界觀融合的高質(zhì)量視頻,那一定會對短視頻的生產(chǎn)方式帶來變化,越來越多的創(chuàng)作者或許將被取代,但好內(nèi)容的價值也會更高。”陳澤敏告訴《每日經(jīng)濟新聞》記者。

CFF20LXzkOxv24g47m7GmSeXZ1yibj0VKUaWDVB2MZiaric4R4jva69DmFZ2pq0TQfaibb56sZtDMCu2ZVQTOoQwxA.jpg

可靈生成的“云端上讀書的年輕人”

CFF20LXzkOwNfsay86cib4p0S2T0NfBIZicSMl7tYnKBaibmLibs8uIQI1mZYasibU5KFf6wlMM5EENdMic3ibFTHCmUw.png

決戰(zhàn)“頭號玩家”: AI生成賽道將邁入邊際余量競爭

今年春節(jié)期間,OpenAI的文生視頻大模型Sora橫空出世,轟動整個科技圈,不少從業(yè)者將追趕Sora定為新的“小目標”。

灼識咨詢相關(guān)報告數(shù)據(jù)顯示,全球AI市場的市場規(guī)模預(yù)計于2027年達到5624億美元,中國AI市場的規(guī)模(按收入計)已由2018年的560億元增至2022年的1942億元,預(yù)計于2027年達到6448億元。

巨大的市場潛力之下,在文生視頻大模型領(lǐng)域,Sora之外,Runway、Pika、Stable Video Diffusion等眾多創(chuàng)業(yè)公司競相角逐。

不過,在陳澤敏看來,雖然越來越多的公司身處AI大風口,但未來留下的公司將越來越少,行業(yè)將進入邊際余量的競爭中。

“例如像英偉達這類確定性比較強的頭部公司會更受資本關(guān)注,而對于軟件服務(wù)這類公司,目前資本仍持懷疑態(tài)度。而在AI生成賽道,仍是‘頭部玩家勝者為王’的模式,頭部勝者的集中度更高,小公司不容樂觀。”陳澤敏表示。

CFF20LXzkOxv24g47m7GmSeXZ1yibj0VKCugCee5MEiaCIl40X5A3GCXrTj4xFDZ6ruDtfcEwwcbVaX07HzfriaXA.jpg

雖然人人都想趕上AIGC這趟“時代列車”,但今年以來,AIGC領(lǐng)域的投資風向正在悄然發(fā)生變化。

灼識咨詢執(zhí)行董事姜驍瀟向《每日經(jīng)濟新聞》記者分析表示,資本從對通用大模型的廣泛關(guān)注轉(zhuǎn)向更加聚焦于具有明確市場需求和實際應(yīng)用場景的垂直模型。許多投資人現(xiàn)在更多的是觀察而非直接投入大模型項目,并將實際投資更多地投向了具有更強商業(yè)化能力的應(yīng)用層項目,資本更側(cè)重于項目的商業(yè)化潛力和能力。

商業(yè)化前景也成為市場和資本關(guān)心的問題。AI生成的內(nèi)容,究竟能不能獲得用戶真金白銀的買單,目前仍要畫一個大大的問號。

姜驍瀟認為,目前來看,大模型行業(yè)正處在應(yīng)用拓展階段。在這個階段,AIGC技術(shù)將被廣泛應(yīng)用于各個領(lǐng)域,但目前AIGC行業(yè)尚未完全實現(xiàn)成熟的商業(yè)化。

“‘可靈’和類似的文生視頻大模型在未來的商業(yè)化潛力相當大。”姜驍瀟觀察到,在影視和廣告制作中,文生視頻大模型可以用于快速生成特效、場景設(shè)計和虛擬角色等,節(jié)省成本和時間,提高效率;在虛擬現(xiàn)實和游戲開發(fā)領(lǐng)域,這些模型可以用于生成角色動畫和互動場景,為用戶提供更加身臨其境的體驗等。

Sora釋放的“沖擊波”還在持續(xù)蔓延,官方發(fā)布的多個預(yù)覽視頻里,五彩斑斕的現(xiàn)實世界似乎已經(jīng)被搬上虛擬的“頻道”。

但Sora和它的挑戰(zhàn)者們,并不想虛構(gòu)世界,而是在理解真實世界的規(guī)則基礎(chǔ)上,生成一個全新的世界。

“硅谷精神之父”、《連線》雜志創(chuàng)始主編凱文?凱利在2019年寫道:“鏡像世界尚未完全存在,但它正在到來。”而此前他曾預(yù)言,“萬物都會有數(shù)字版本,這世間所有,都將在數(shù)字世界建立鏡像”,至于還要多久,凱文?凱利認為,“是5000天后”。

記者|王郁彪??溫夢華

編輯|?董興生 杜恒峰

校對|何小桃

CFF20LXzkOyYmal29zn37N5Bg2NQ4tyN4ylvMFyM3VmF4x90Uj4cDmoEphibia4RN55ibIXmqU1Od9w2Q5nhA08lA.png|每日經(jīng)濟新聞 ?nbdnews??原創(chuàng)文章|

未經(jīng)許可禁止轉(zhuǎn)載、摘編、復(fù)制及鏡像等使用

如需轉(zhuǎn)載請與《每日經(jīng)濟新聞》報社聯(lián)系。
未經(jīng)《每日經(jīng)濟新聞》報社授權(quán),嚴禁轉(zhuǎn)載或鏡像,違者必究。

讀者熱線:4008890008

特別提醒:如果我們使用了您的圖片,請作者與本站聯(lián)系索取稿酬。如您不希望作品出現(xiàn)在本站,可聯(lián)系我們要求撤下您的作品。

歡迎關(guān)注每日經(jīng)濟新聞APP

每經(jīng)經(jīng)濟新聞官方APP

0

0