2024年2月15日，OpenAI认真对外公布文生视频大模子Sora，引得寰球网友高呼“AI解构信得过寰球的时候到了”。可是大致10个月期间曩昔，Sora依然只存在于PPT上，反而是亚马逊云科技抢先OpenAI发布了Nova Reel文生视频大模子，谷歌则面向企业用户绽放了AI视频模子Veo。
外洋互联网巨头忙于开荒和布局AI生成视频的同期，国内互联网巨头们也莫得闲着，早前快手旗下的AI团队就打造出了视频生成大模子可灵，随后清华大学与北京数生科技联手打造了视频生成大模子Vidu，日前腾讯公司的AI团队也推出了混元文生视频大模子，并在腾讯元宝App上线。
算作国内驰名度、市值最高的互联网公司，腾讯在游戏、即时通讯、移动支付等领域申明解析。曩昔常有东说念主质疑腾讯的时期研发才略，如今腾讯与亚马逊云科技、谷歌等外洋互联网巨头同期拿出了视频生成大模子，诠释了我方的研发才略涓滴不弱。
不外，体验才是判断时期实力的最终范例，腾讯视频生成大模子究竟好不好用，体验过才知说念。
混元视频模子初体验：功能多而不彊腾讯混元大模子参数目为130亿，是面前参数目最大的开源视频生成类大模子，公测期间用户每天可以获取4次范例和2次高品性视频生成契机，视频生成长度为5秒。
单纯看功能，腾讯混元文生视频大模子比小雷之前使用过的同类家具都粗心易用，提供了丰富的视频类型成立，举例比例、作风、景别、明朗、镜头畅通、流通运镜、丰富动作、导演方式等。可是，确切到使用阶段，小雷的体验却说来话长。
（图源：腾讯元宝App截图）
刚启动小雷并莫得给大模子上难度，以态状语“夕阳西下，仙女坐在靠窗的书桌前，目光不住地进取飘，嘴角微微上扬，似乎念念起了什么值得情愿的事”生成一段视频，收尾如下图。
（图源：腾讯混元大模子生成）
腾讯混元大模子生成的视频画面可以，充足以伪乱真，仅仅与小雷脑补的画面有昭彰诀别，白东说念主女孩也有点“出戏”，况兼书桌、窗户等细节并莫得弘扬出来，举座令小雷有点失望。按理说，掌执了国内头部短视频平台视频号的腾讯，领有充足的视频数据可用于磨练大数据，收尾这个视频给我的嗅觉却是基于国外数据磨练。
随后，小雷又以“晴朗的天外，忽然乌云密布，继而蓦地下起了暴雨，路上的行东说念主有的慌忙跑到房檐下避雨，有的把挎包顶在头上一王人决骤”为态状语生成了一段视频。
（图源：腾讯混元大模子生成）
这段视频不细看还能经受，但若仔细看就会发现视频存在昭彰的裂缝，如部分东说念主物步调有些综合，不像走在大地上，右侧有个红色的包“漂”了曩昔，可能是AI未能告捷生成提包的东说念主。至于天气变化未能体现、莫得感受到不才雨等问题，小雷已无力吐槽。
临了一轮测试，小雷遴荐了中景+拉近镜头，并以“宁静的海滩，朔月高悬在天外，微风吹动着海边的椰子树，发出哗拉拉的声息，一只小猫咪慵懒地躺在沙滩上，舔舐着前腿上的毛发”为态状语生成了一段视频。
（图源：腾讯混元大模子生成）
这个场景相对较为粗心，莫得昭彰的景物变化，就东说念主类的脑补才略来说，比上一个要容易。可是这则视频却显现了腾讯混元大模子的问题，我明明成立了拉近镜头，可视频莫得弘扬出镜头的动态变化。小雷提到的椰子树、猫咪舔舐毛发等物体和动作，也莫得体现出来。这段视频月亮和波浪细节可以，猫咪也很信得过，但终究不是我念念要的收尾。
为考据大模子的一致性问题，小雷用该段态状语和镜头成立再次生成了一段视频。与上一段视频比较，猫咪有了舔舐毛发的动作，椰子树也出当今画面中，可月亮因太大产生了无理感，猫咪动的时候，沙子长期莫得变化也属于裂缝。
（图源：腾讯混元大模子生成）
小雷翻看了腾讯混元大模子给出的表率，大多数是使用多半关节字态状，而非如小雷给出的天然讲话，后者难度昭彰更高。从本色弘扬来看，腾讯混元大模子照旧可以相接东说念主类天然讲话，并把柄态状的画面生成视频，合并段话两次生成的收尾也较为接近，仅仅细节方面有待普及。
天然，腾讯混元大模子究竟达到了什么水平，如故要对比事后能力知说念。因此，小雷使用Vidu和可灵两款大模子把柄第三段态状语别离生成了一段视频。需要谨防的是，这两款视频生成大模子固然未提供镜头终了功能成立，但可以在态状语后加入中景、拉近镜头等词语加以调控。
Vidu生成的视频将小雷态状中的风吹动椰子树、舔舐毛发、镜头拉近都完好意思展现，与小雷脑补的画面较为接近。好意思中不及的是，这段视频中的月亮过于亮堂，搭配蔚蓝的举座色彩，更像早上太阳初升的期间，沙滩则过于平整，莫得任何沙子的嗅觉。
（图源：Vidu生成）
可灵生成的视频在小雷看来是这几个视频中最合适预期的，波浪、风吹动椰子树、舔舐毛发等细节都有，还加入了虚化和镜头拉近成果，影子的细腻变化更是惊喜。问题在于该视频依然存在细节方面的问题，莫得弘扬出朔月，更像是白昼。
（图源：可灵生成）
另外两段态状语，小雷也用Vidu和可灵进行了测试，限于篇幅问题，不再逐个展示。一言以蔽之，现阶段视频生成类大模子均已具备相接天然讲话的才略，但面临较为复杂的场景，依然会存在诸多裂缝，而在相对粗心的场景下，Vidu、可灵等“老牌”视频生成模子的弘扬略好，细节裂缝少一些，腾讯混元大模子仍有较大逾越空间。
混元视频大模子改日可期，但要腾讯充足疼爱从0到1的难度，可能比从1到2高得多，摸着石头过河的混元大模子在易用性、功能性方面更胜一筹，但AI大模子不同于其他行业，不但需要前东说念主引路，还需要时期积攒、算力鸿沟、磨练数据。
领有腾讯算作后援，混元大模子不缺财力，可算力需要多半GPU和AI诡计卡，更何况面前AI公司都在争夺GPU和AI诡计卡的产能，哪怕腾讯不缺钱，也需要期间堆算力、方法员优化算法、多半数据用于磨练。Vidu和可灵已升级至1.5版块，除了文生视频，还复古图片生成视频，刚出生不久的混元文生视频大模子略显稚嫩，生成的视频质地有一定的差距。
（图源：mockup套壳）
好在，混元大模子背后毕竟是国内互联网行业霸主腾讯，在腾讯时期团队和资金的复古下，确信混元大模子能够以极快的速率成长。
从腾讯、亚马逊云科技、谷歌等企业的弘扬来看，2025年会是寰球视频生成大模子爆发的一年，AI生成视频的长度也将从数秒普及至分钟级，如亚马逊云科技的Nova Reel行将复古生成长达2分钟的视频。
与AI生成图文比较，生成视频能力透顶安适念念象力，将咱们大脑中的念念法和脑补的画面滚动成践诺。还有无数的齐集演义作者，但愿能够通过AI将演义滚动成动画或真东说念主视频。一朝AI生成视频时期闇练，寰球娱乐产业将遇到前所未有的变局。
视频生成大模子正井喷式显露，2025年或将成为“视频生成大模子元年”，亦然决定联系企业成败的关节一年。从可灵、Vidu到腾讯混元大模子，国内企业已实时入场，把执到了新期间的机遇。能否在新期间引颈寰球视频生成大模子行业，八成很快就能见分晓。
举报/响应