每經(jīng)記者 楊昕怡    每經(jīng)編輯 魏官紅    

“壓力給到了抖音剪映。”在今年6月以快手自研視頻生成大模型可靈為代表的現(xiàn)象級生成式AI（人工智能）產(chǎn)品涌現(xiàn)時，外界無一不在期待字節(jié)進一步的表現(xiàn)。

近日，字節(jié)跳動旗下剪映團隊研發(fā)的一站式AI創(chuàng)作平臺“即夢AI”移動版正式上架至蘋果App Store應用商店。

《每日經(jīng)濟新聞》記者了解到，該應用目前擁有文生圖和文/圖生視頻等功能。另外，即夢已經(jīng)上線會員體系，推出多個訂閱方式。

通過對即夢、可靈以及Sora的實際應用對比，《每日經(jīng)濟新聞》記者體驗發(fā)現(xiàn)，三款視頻生成大模型在對提示詞的捕捉和理解上都較為準確、完整，但即夢的人物塑造、內(nèi)容的豐富度和視頻流暢度等能力相對有所欠缺。在生成內(nèi)容的時長上，即夢支持最多12秒的視頻生成。

“生成流暢視頻的秒數(shù)是判斷一個視頻生成大模型能力優(yōu)劣的關鍵因素。”一位大模型工程師在接受《每日經(jīng)濟新聞》記者采訪時表示，“‘流暢’需要從多個維度來看，比如生成的內(nèi)容有沒有事實錯誤、記憶能力如何以及空間感對不對等。”

“即夢AI”移動版上架 圖片來源：應用截圖

“即夢AI”上架，效果趕超可靈？

今年年初，Sora的橫空出世開啟了“視頻的ChatGPT時代”，隨后，快手推出的“黑馬”可靈讓人們對國產(chǎn)AI視頻大模型的表現(xiàn)有了越來越多的期待。同為短視頻巨頭的抖音母公司字節(jié)跳動，則被視為賽道內(nèi)最具趕超可能性的選手之一。

可靈AI網(wǎng)頁端  圖片來源：官網(wǎng)截圖

3月底，字節(jié)旗下剪映團隊研發(fā)的AI創(chuàng)作平臺“即夢AI”開放內(nèi)測；5月9日，該應用上線網(wǎng)頁版，上線之初只有圖片生成、智能畫布和視頻生成三大功能，目前已上新故事創(chuàng)作功能；8月6日，該應用移動版正式上架至蘋果App Store應用商店，現(xiàn)擁有文生圖和文/圖生視頻等功能。

即夢AI網(wǎng)頁端  圖片來源：官網(wǎng)截圖

至于即夢的實際使用效果，今年7月初，全國首部AIGC生成式連續(xù)性敘事科幻短劇集《三星堆：未來啟示錄》在抖音上線。在這部總共13集的短劇集里，即夢作為首席AI技術支持方，借助了包括AIGC劇本創(chuàng)作、概念及分鏡設計、圖像到視頻轉(zhuǎn)換、視頻編輯和媒體內(nèi)容增強等10種AI技術。

據(jù)媒體報道，在和博納影業(yè)合作推出《三星堆：未來啟示錄》的過程中，即夢AI改進了“視頻生成”功能，包括支持24fps、30fps、60fps的補幀以及二倍超分的能力，新增鏡頭水平移動、上下移動，支持鏡頭移動的方向和幅度控制等。

圖片來源：剪映微信公眾號截圖

在即夢App上線后，《每日經(jīng)濟新聞》記者選取了OpenAI官方公布的多條Sora視頻提示詞對即夢、可靈和Sora進行對比測試。

從記者的測試結(jié)果來看，三款視頻生成大模型在對提示詞的捕捉和理解上都較為準確、完整，生成視頻內(nèi)容的畫面表現(xiàn)也都連貫且流暢。

但在人物形象的刻畫精細度上，Sora相較于即夢和可靈有一定的優(yōu)勢；在動作的自然度上，即夢在三個測試產(chǎn)品中略遜一籌，例如在以“東京街頭的女士”為主題的視頻畫面呈現(xiàn)上，即夢生成的人物在轉(zhuǎn)頭時頭頸部略顯扭曲，拎包的手部動作也有所變形。

圖片來源：記者生成視頻截圖

而在生產(chǎn)內(nèi)容的元素豐富程度上，Sora也在三者中表現(xiàn)更優(yōu)。例如在以“太空人”為主題的生成視頻內(nèi)容里，Sora給出了飛船、艙外景象等多個有關提示詞的聯(lián)想內(nèi)容，而即夢和可靈僅呈現(xiàn)了一個穿著宇航服的男性角色。

圖片來源：記者生成視頻截圖

易觀分析研究合伙人陳晨在接受《每日經(jīng)濟新聞》記者采訪時表示，在生成效果上，即夢的AI圖像的整體質(zhì)量較好，AI視頻則在時長、元素豐富性、動作連貫性等細節(jié)處理上仍然有所欠缺。

“（元素內(nèi)容不夠豐富）更多有關模型的對齊，不過如果缺失了從‘太空人’聯(lián)想到‘飛船’的能力，是基座模型的能力問題。”一位大模型工程師向《每日經(jīng)濟新聞》記者指出，生成流暢視頻的秒數(shù)是判斷一個視頻生成大模型能力優(yōu)劣的關鍵因素，“‘流暢’需要從多個維度來看，比如生成的內(nèi)容有沒有事實錯誤、記憶能力如何以及空間感對不對等”。

《每日經(jīng)濟新聞》記者通過試用發(fā)現(xiàn)，在輸入相同提示詞的情況下，要求生成的視頻越長，視頻主體形象和動作的精度、流暢程度很可能會相應受損。

目前，即夢支持3秒、6秒、9秒和12秒的視頻內(nèi)容生成，分別對應不同的積分消耗。而Sora早在發(fā)布時就已經(jīng)能合成1分鐘超長視頻；6月21日，可靈推出了圖生視頻功能，支持根據(jù)不同文本內(nèi)容，將靜態(tài)圖像轉(zhuǎn)化為生動的5秒視頻，且續(xù)寫功能可讓視頻延續(xù)約5秒，最長可生成約3分鐘視頻。

AI視頻，會是大模型的掘金點嗎？

Sora的出現(xiàn)無疑給大模型開辟了一方新的賽場——今年7月，阿里達摩院發(fā)布了一站式AI視頻創(chuàng)作平臺“尋光”，商湯推出了首個面向C端用戶的可控人物視頻生成大模型Vimi，智譜也宣布將AI生成視頻模型清影（Ying）正式上線智譜清言??

在AI頭部玩家集體向視頻生成大模型發(fā)起猛攻時，一個不能回避的問題就在眼前：AI視頻能讓大模型公司賺到錢嗎？

以業(yè)內(nèi)明星公司OpenAI為例，在推出了Sora等一眾能力領先的大模型的情況下，今年7月，有媒體援引知情人士以及未公開的內(nèi)部財務數(shù)據(jù)分析稱，OpenAI今年或面臨高達50億美元的巨額虧損，預估公司全年收入預估可能在35億～45億美元，遠低于運營成本。

同時，國內(nèi)視頻大模型在商業(yè)化落地上也顯得有些“著急”。7月30日，可靈上線了面向全球的會員體系，該體系與其在國內(nèi)市場推出的會員體系相仿，例如月卡分為10美元、37美元和92美元三檔，可對應生成約66個、300個和800個5秒視頻。

《每日經(jīng)濟新聞》記者注意到，即夢也已推出會員體系，有79元單月、69元連續(xù)包月和659元包年的基礎會員的不同訂閱方式。具體來說，基礎會員每月可使用505個積分生成約2020張圖片或168個AI視頻。此外，還有每月2020個積分的標準會員和每月6555個積分的高級會員服務即將上線。

“由于AI大模型高昂的模型訓練與推理成本，加之C端用戶對AI工具的需求相對分散，付費意愿不足，視頻大模型在C端市場的商業(yè)化仍然會面臨一個較長的培育期。”陳晨認為，對于C端市場而言，視頻大模型的商業(yè)化落地仍道阻且長。

而從B端市場出發(fā)，陳晨向《每日經(jīng)濟新聞》記者表示，“對于B端而言，AI技術革命正在重塑原有的工作流程，壓縮冗余環(huán)節(jié)并引發(fā)新的創(chuàng)作工具需求。在這個過程中，AI視頻大模型可以逐步與現(xiàn)有的影視制作、廣告創(chuàng)意、媒體內(nèi)容策劃結(jié)合，輔助進行復雜工序自動化處理和智能化內(nèi)容生產(chǎn)。而模型能力是否有效嵌入實際工作流程，帶來實質(zhì)性的效率提升、成本降低，是構(gòu)建商業(yè)化能力的關鍵因素”。

“Kimi的商業(yè)化會逐步開始探索，但還不是目前的重點，目前的重點還是打造能力更強的下一代模型。”今年8月，月之暗面方面在接受《每日經(jīng)濟新聞》記者采訪時曾表示，現(xiàn)階段還不是以商業(yè)化為重的時候。

也許，對“初出茅廬”的即夢來說也是如此，它還有一個又一個里程碑要去觸達、超越。“即夢目前的產(chǎn)品功能、商業(yè)模式聚焦于服務UGC（用戶生成內(nèi)容），與抖音的生態(tài)融合也將是未來的發(fā)展重點。”陳晨表示，“或許在時長、幀率、畫面細節(jié)等技術參數(shù)上的直接對標并不是即夢現(xiàn)階段最需要關注的，關鍵還是在于應用落地和生態(tài)整合能力。”

封面圖片來源：視覺中國-VCG111299088149