实测完快手的AI视频「可灵」后,我觉得这才是第一个中国版Sora
昨天,6月6号,是快手的13周年生日。
在这一天,所有AI圈的人都想不到,快手在13周年之际,没有任何预兆、没有任何宣传,直接发布了他们的AI视频大模型。
可灵。
给我也干了个措手不及。
我当时正在看360的发布会,突然手机就叮叮当当一顿狂响,打开一看,一群人跟我说:快快快,看快手,他们发AI视频模型了。
我当时想着,发个AI视频模型就发个AI视频模型呗,能有啥大惊小怪的,这年头,做AI视频的多了。要么就是发了个老技术的产品给大家先用着占坑,要么就是发了个Sora那种新技术的纯PR视频,又不给用纯粹To VC的。还能有啥。
打开快手的模型官网一看,嚯,新技术的,运动幅度跟Sora有的一拼,还能支持最长2分钟。这就有点意思了。
然后,即刻开放邀测。
虽然不抱有能用的希望,但是我秉持着来都来了的原则,还是去申请了一下。
申请流程:下载快影APP - AI玩法 - AI生视频模块 - 填问卷申请。
我本来以为,跟两个月前的某AI视频产品一样,说是比Sora还好,但是我申请了两个月都没动静。
结果没过几个小时,我就收到了快手的短信。。。
不是哥们,你来真的啊?
你说的发布居然是真发啊,居然当天真的给人用啊?你居然不是画饼啊?
这一下,给我整不会了...
快手不愧是老铁,真实诚。
到家了之后,我花了好几个小时,跑了100多个case,又跟好基友@吉川明静勾兑了一下他那边的case。差不多有了一些不是特别全面的认知。
但,有一句话,我觉得是可以放心说了。
快手的可灵,就是我认为正儿八经的,经过验证的,而且还能上手直接用的,第一个中国版Sora。
不过可灵是大模型,真正变成产品,还是有很多限制的,比如算力、功能、开发周期等等。
所以现在可以使用的版本,并不是完全体。
比如现在的固定时间只能为5s、不支持图生视频只支持文生、不能自定义尺寸等等。
但是都无关大雅,因为所有人对Sora的兴奋点,不是那些功能,而是他那最核心的:
极度真实的物理规律。
而这一点,快手可灵,做到了。
随手放几个我跑的case,第二个是吉川跑的。
这运动幅度、物理规律的稳定性,就非常的离谱。
如果不涉及人与人、或者人与物体之间复杂的交互,那可灵的物理表现,几乎可以称的上完美。
毕竟,连吃面条这种坑死所有AI视频产品的case,都能搞定掉。做一些复杂的动作或者细腻的表情,也都没啥问题。比如:
但是我们真的去看一部电影、一部电视剧,里面还是有很多复杂交互的。
比如最常见的打斗戏、比如操作一台极其精密的设备等等。而这些,也是物理难度最高的,连Sora处理的都非常的一般。
可灵自然也不例外,在复杂交互上,目前还有很大的进步空间。比如我跑的这个决斗场景。
但至少,他给了我们一个新的可能性。如果大家留意一下过往的所有AI视频,你用图生视频的方式去做,是几乎不可能做出这种交互镜头的,都是用蒙太奇或者AE去替代掉。而现在,有希望了。
而在单人镜头上,人物在没有支点(比如空中坠落)的时候,会发生一定程度上的变形。同时如果人物在画面中比例较小的时候,也会发生糊脸现象,这个是现在AI的通病,不仅AI视频有,AI绘图一样也有。等未来数据集和技术迭代吧。
还有一个很意外的片段,我自己非常非常喜欢。
Prompt是:“你站在桥上看风景,看风景的人在楼上看你。明月装饰了你的窗子,你装饰了别人的梦。”
虽然出来的视频,跟Prompt稍微有那么一些的不搭嘎,但是这个片段,真的属于意外之喜,我非常非常的喜欢。
目前看下来,可灵在“真实风格”的场景上,表现的最好,而在一些风格化的表现上,就会比“真实风格”上,稍微逊色一些。
比如我的这段Prompt:
“拟人化的穿着西装的狗,提着包在公交车上,窗外是飞驰而过的城市”
如果是真实风格,效果就会非常好。
但是如果改成动漫风格,就会傻里傻气很多...
可灵整体上,在Prompt的依从性上,个人觉得在AI视频里,肯定是第一梯队,但是如果你跟AI绘图的头部、跟文本大模型的头部去比,那感觉还是会差一些。
比如:“一只企鹅穿着西装,在办公室里开会,用严肃的表情进行演讲”,西装丢了,只剩企鹅了。
比如:“一只穿着盔甲的猫骑着独角兽在彩虹上奔驰,穿越魔法森林,背景是古老的城堡”,奔驰这个动作没了,直接不动了。
不过这也不是什么大问题,毕竟这才第一版,还在内测,这些做好了,都是锦上添花的东西。
模型的质量,模型的物理规律,才是真正的核心,真正的重中之重。
这一点,快手可灵,除了那个没发布的Sora之外,基本碾压所有同行。
我现在非常期待可灵的图生视频功能。
因为对于专业的AI视频创作者来说,基本上还是会用图生视频,因为可控性更强,一致性的控制更方便一点。而文生视频,还是会更偏向于普通用户一些。
说实话,我现在已经有了一个非常想做的AI作品的故事。
现在,我真的非常非常想用快手可灵,把他做出来。
毕竟,这是真正的第一个,中国版Sora。
哪个创作者会不兴奋,会没有创作欲望呢?
就看什么时候,快手可灵能更新它的图生视频功能了。
我期待着那一天。
谢谢你,快手。
苹果首款折叠屏产品或不是iPhone 已投入至少五年时间
据DigiTimes的最新报道,苹果公司实际上正在紧锣密鼓地研发其首款可折叠设备,但这款产品并不会与安卓折叠屏手机直接竞争。这份付费报告援引供应链消息透露,苹果在可折叠产品的研发上已经投入了至少五年的时间。这款备受期待的设备将是一款尺寸更大的产品,而不是iPhone。它可能是一款平板电脑或笔记本电脑,以满足消费者对更大屏幕的需求。站长网2024-02-23 10:00:220000基于视觉追踪!在捉人游戏中,机器人现在会“以智取胜”了
文章概要:1.加州大学伯克利分校的研究人员开发了一种新的方法,教机器人进行基于视觉的追踪,以实现像捉人等动态任务。2.该方法使用“特权学习”,机器人教师利用逃避者的未来轨迹推断其意图,从而引导学生机器人逐步行动。3.该方法已在四足机器人上测试成功,它能展现出复杂的追捕行为,如预测逃避者去向并拦截。站长网2023-09-06 17:47:330003GPTs正式上线!全民自定义ChatGPT助手时代来啦
11月10日,OpenAI联合创始人兼首席执行官SamAltman在社交平台宣布,自定义GPTs功能对所有ChatGPTPlus全面开放。自定义GPTs是OpenAI在开发者大会上推出的一项重磅功能,用户无需任何代码,全程支持可视化点击操作。站长网2023-11-10 09:24:550000复旦MOSS模型今日开源 复旦MOSS模型正式上线
据上证报报道,4月21日,复旦大学自然语言处理实验室开发的新版MOSS模型正式上线,成为国内首个插件增强的开源对话语言模型。站长网2023-04-21 14:12:260002智谱的“GPT-4V”来了,CEO张鹏说他们就是奔着AGI去的
时隔仅仅四个月,智谱大模型再度升级。在沈阳举办的2023中国计算机大会CNCC2023上,智谱介绍了新一代ChatGLM3大模型。根据智谱官方的表述,尽管新的大模型名字中带有Chat,但实际上这是一个全新版本的基座模型,它的完全版和上一代一样拥有1300亿参数。这次的升级除了常规的性能部分外,智谱还特别提到了几项新能力,用智谱CEO的话说,这是“瞄向GPT-4V的技术升级”。站长网2023-10-30 18:09:520000