“视频领域的Midjourney”！AI视频生成新秀Gen-2内测作品流出，网友直呼太逼真
《男人在酒吧接受采访》
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
- 北大开源最强aiXcoder-7B代码大模型！聚焦真实开发场景，专为企业私有部署设计2024-04-09
- 刚刚，图灵奖揭晓！史上首位数学和计算机最高奖“双料王”出现了2024-04-10
- 8.3K Stars!《多模态大语言模型综述》重大升级2024-04-10
- 谷歌最强大模型免费开放了！长音频理解功能独一份，100万上下文敞开用2024-04-10
相关阅读
