AI視頻神仙打架，BAT跟不跟？
繼發佈最新AI大模型“Genmini”僅一星期後，谷歌又公佈了自己的最新AI研究成果。
12月12日，谷歌宣佈，其與全球頂級計算機視覺專家、華裔AI教母李飛飛及其學生團隊合作，推出了AI視頻生成模型“W.A.L.T（全稱爲Window Attention Latent Transformer）”。
與前段時間刷屏全網、A股信雅達董事長女兒創業研發的PIKA 1.0類似，W.A.L.T也是一款AI視頻生成模型。
此前在12月6日晚間，谷歌曾發佈其最新一代的多模態AI大模型Gemini，並同步發佈了演示視頻。
但Gemini發佈後不久，即被爆出其演示視頻存在通過剪輯等手法、刻意美化模型效果的情形。正因如此，谷歌也一度陷入“造假”指控中。
僅僅6天過去，谷歌又通過發佈W.A.L.T瞄準了AI視頻生成，這也是如今AI應用落地最爲火熱的領域之一。
攜手華裔AI女神，谷歌搶灘AI文生視頻
與此前走紅的Pika 1.0類似，W.A.L.T同樣支持文生視頻、圖片生成視頻、3D視頻生成等功能。
而視頻效果方面，根據演示視頻及論文，W.A.L.T可以通過自然語言提示，生成3秒長的每秒8幀、分辨率爲512x896的視頻。
▲（圖源/W.A.L.T）
產業人士“歸藏”公開評價稱，W.A.L.T的效果“比Pika 1.0還要好得多，清晰度和動作都非常好”。
有趣的是，Pika的創始人、信雅達董事長的女兒郭文景，其實與李飛飛頗有淵源。
在退學創業之前，郭文景曾在斯坦福大學AI實驗室（NLP&圖形學方向）攻讀博士學位，而李飛飛則是斯坦福大學首位紅杉講席教授，亦曾在斯坦福大學AI實驗室中任職。
與後起之秀郭文景相比，李飛飛堪稱全球計算機視覺領域的奠基人與技術泰斗，也是包括谷歌在內、全球科技大廠爭奪的人才資源。
根據公開信息，1976年，李飛飛出生於北京，並在成都長大。1992年，16歲的李飛飛隨父母遠赴美國定居，並在三年後進入普林斯頓大學攻讀物理學。
在之後的求學生涯之中，李飛飛一步步確立了對於AI的研究興趣，並將研究重點轉移至彼時十分冷門的計算機視覺領域。2007年，李飛飛在經費短缺的情況下，開始了自己的首個項目ImageNet（教機器識別圖像的數據集）。
當時，AI圖像識別模型僅能認出四種物體：汽車、飛機、豹子、人臉，因爲以往研究者一般只會針對這四類物體進行模型訓練。想讓AI認識一種物體，需要人工先在圖片中標記出目標物，再將大量這樣的圖片“喂”給AI進行訓練。
而李飛飛的設想是，如果有一個足夠大的、經過標註的數據集，就能訓練出理論上“無所不知”的計算機視覺模型。
2009年，ImageNet正式發佈，很快成爲了幾乎所有視覺模型的訓練和測試素材庫。李飛飛也由此“一戰成名”，擁有了“華人AI教母”等頭銜。至今，ImageNet仍是全球AI產學界最知名的大型視覺數據庫之一。
無論是一週內連發兩大模型，還是與李飛飛團隊的合作，都說明谷歌在多模態AI模型研發方面正鉚足了勁。
AI視頻“神仙打架”，國內玩家怎麼看？
在剛剛過去的一段時間內，AI視頻生成賽道十分熱鬧。除了Pika 1.0、W.A.L.T，有不少AI視頻生成工具密集涌現出來或進行了功能更新。
舉例而言，11月初，美國生成式AI獨角獸企業Runway對其自研視頻生成模型Gen-2進行了功能更新，着力提升生成結果的保真度和一致性。
11月中旬，以社交產品起家的科技大廠Meta發佈了Emu Video模型。
11月末，美國文生圖片創企Stability AI推出了名爲Stable Video Diffusion的視頻生成模型，提供SVD和SVD-XT兩個模型。
▲（圖源/W.A.L.T）
而國內方面，字節跳動、阿里、百度等科技大廠均已跑步入場。
其中字節跳動於11月18日推出了文生視頻模型PixelDance，提出了基於文本指導+首尾幀圖片指導的視頻生成方法，使得視頻生成的動態性更強。
緊隨其後，阿里上線了Animate Anyone模型。用戶只需向該模型提供一個靜態的角色圖像和一些預設的動作（或姿勢序列），就能得到該角色的動畫視頻。
根據此前的公開信息，百度文心大模型的類似功能則在內測中，不久後會以插件形式開放。
國內外玩家的積極下場，在某種程度上說明AI視頻生成賽道將成爲這一輪AI技術升級過程中的下一個受益方向。不少產業人士已經感知到了市場的風向，英偉達高級研究科學家、曾在OpenAI工作過的Jim Fan就在社交媒體上寫道：“2022年是圖像之年，2023是聲波之年，2024（將是）視頻之年！”
中信證券研報則指出：“參考文生圖在廣告領域的應用，文生視頻同樣有望推動生產力革命，降低生產成本、創作門檻，促使AIGC技術產業化進程加速。我們認爲從能力的角度出發，文生視頻有望率先在短視頻和動漫兩個領域落地。”
不過，技術革新的另一面，則是對現有業態的衝擊。
在國內一家視頻創作工具企業工作的Leo告訴「市界」：“今年早些時候我們一直認爲AIGC主要還是作用在圖文創作領域，但距離滿足商業視頻要求還要經過一兩年的時間。”他補充道，這裡提到的商業視頻要求包括分鏡腳本製作時保持對象的一致性、連續性等。
而現在看來，視頻生成工具正以數倍於預期的速度進行迭代。在技術進步的倒逼下，現有的市場參與者們也不得不對自動化生成功能主動出擊和佈局。否則面臨的，可能是被時代拋棄的結局。
作者 | 董溫淑
編輯 | 董雨晴
運營 | 劉 珊