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
本文来自微信公众号:量子位 (ID:QbitAI),作者:丰色
广告声明:文内含有的对外跳转链接(包括不限于超链接、二维码、口令等形式),用于传递更多信息,节省甄选时间,结果仅供参考,IT之家所有文章均包含本声明。