一次性生成5個(gè)8秒視頻，用AI做抖音短視頻不是夢(mèng)？|AI新榜
最近的AI視頻賽道，在玩法上“卷”出了新高度。
有用戶(hù)用它完善視頻細節：
還有人用它創(chuàng )作了科幻大片：
甚至讓馬斯克微笑點(diǎn)頭：
還有大魚(yú)吃小魚(yú)，實(shí)現普通攝像頭難以拍攝的效果：
較強的靈活性和視頻可控性，一下讓人難以分辨虛實(shí)，而這些鏡頭都是靠愛(ài)詩(shī)科技的AI視頻工具PixVerse實(shí)現的。
PixVerse繼4月更新運動(dòng)筆刷功能之后，今日又重磅上線(xiàn)了PixVerse V2模型。V2支持直接生成長(cháng)達8秒的視頻，甚至可以一次性生成1-5個(gè)視頻片段，并保證風(fēng)格、主體和場(chǎng)景的一致性。
PixVerse已經(jīng)率先朝著(zhù)AI視頻生成的一致性方向發(fā)力。這是要進(jìn)軍AIGC短片嗎？此次更新的PixVerse V2實(shí)力究竟如何？“AI新榜”從角色一致性、想象力、控制力維度上，第一時(shí)間給各位玩家實(shí)測了一番。
實(shí)測PixVerse新功能：一次性生成5個(gè)8秒視頻
據了解，PixVerse突破了時(shí)長(cháng)技術(shù)限制，能單次生成8秒的視頻。但要知道AI視頻生成的時(shí)長(cháng)越長(cháng)越容易“露怯”，出現瑕疵。那么，其文本理解能力還能穩定發(fā)揮嗎？我們先用V2簡(jiǎn)單測了一下文生視頻和圖生視頻。
文生視頻
?提示詞：golden retriever in sunglasses sunbathing on a beach in Hawaii
PixVerse V2版本
PixVerse V1版本
從生成效果來(lái)看，動(dòng)物類(lèi)的表現很不錯，幾秒內可以動(dòng)的細節更多，比如狗狗的耳朵，毛發(fā)。雖然動(dòng)作幅度依舊比較小，但整體視頻呈現得更完整，在視頻質(zhì)量以及清晰度上都有明顯的進(jìn)步。
另外，PixVerse V2升級了模型理解和表達能力，在真實(shí)性和細節表達吉印通一步加強。
提示詞：A beautiful women is walking towards the camera
PixVerse V2版本
PixVerse V1版本
可以看到，人物類(lèi)鏡頭方面，畫(huà)面主體沒(méi)有出現特別大的技術(shù)瑕疵，光影效果也做得很好。相比前一個(gè)版本，V2生成的人物動(dòng)作幅度更大，也更真實(shí)。
但遺憾的是，和其他的AI視頻工具一樣，仍然是無(wú)法理解提示詞當中的鏡頭術(shù)語(yǔ)，如“走向鏡頭”，畫(huà)面中主體的運動(dòng)只是簡(jiǎn)單轉了下頭。
圖生視頻
圖生視頻怎么能少得了這張經(jīng)典梗圖：
在圖生視頻模式下，我們沒(méi)有輸入任何提示詞，想看看PixVerse V2的“聯(lián)想”能力如何。
PixVerse V2并沒(méi)有讓圖中男生變成“渣男”，而是轉過(guò)頭與紅衣女孩錯過(guò)，看多了其他AI視頻工具的戲劇效果，PixVerse V2展現的反而有點(diǎn)淡淡的憂(yōu)傷。
三個(gè)人的動(dòng)作幅度都不大，但難能可貴的是唯一出現臉部的紅衣女孩沒(méi)有出現“變臉”，犧牲了戲劇效果但保證了角色的一致性。
相比之下，這張“房子著(zhù)火我微笑”的梗圖生成效果就比較一般了。
轉頭離去，但“變臉”速度巨快：
控制住了變臉，但場(chǎng)景突然切換：
要說(shuō)整活，還是AI在行啊。但總的來(lái)說(shuō)，圖生視頻參考了我們上傳的圖片元素，玩梗能力在線(xiàn)，做二創(chuàng )是個(gè)不錯的選擇。
在此前“AI新榜”的短片嘗試，以及大量用戶(hù)反饋和社區討論反饋中，AI視頻的一致性一直是一個(gè)難題，更不用說(shuō)單次生成長(cháng)達40秒的視頻片段了，一起看看PixVerse V2的多片段生成能力。
生成多片段40秒視頻
在PixVerse首頁(yè)點(diǎn)擊右側“PixVerse V2”，就可以進(jìn)入多片段生成頁(yè)面，同樣支持文生和圖生視頻。
在這里，需要我們選擇“Scene 1”，輸入相應提示詞，再添加“Scene 2”，輸入第二個(gè)場(chǎng)景想要呈現的畫(huà)面，以此類(lèi)推，最多添加5個(gè)不同的場(chǎng)景后，一次性生成完整片段。
換句話(huà)說(shuō)，就是把短片的視頻分鏡，通過(guò)自然語(yǔ)言的形式呈現出來(lái)。
從官網(wǎng)發(fā)布的信息看，在PixVerse V2模式下，5個(gè)場(chǎng)景的畫(huà)面風(fēng)格都會(huì )與第一個(gè)場(chǎng)景保持一致。
如果我們還上傳了圖片，那么這些圖片會(huì )參考場(chǎng)景1的圖片風(fēng)格進(jìn)行重繪，保證生成視頻風(fēng)格的一致性。
比如，我們輸入的提示詞如下：
Scene 1：the panda is playing the violin.
Scene 2：It is playing the piano.
Scene 3：It is eating the hamburger.
大約等待5分鐘左右，V2一次性生成了長(cháng)達16秒的視頻片段。可以看到，在視頻主體、場(chǎng)景以及畫(huà)面色調上盡量保持了一致性，還省去了我們單個(gè)片段不斷“抽卡”的時(shí)間。
，時(shí)長(cháng)
00:16
只不過(guò)，最終生成的畫(huà)面在精細度上還有待提高，依舊會(huì )出現小提琴、漢堡微變形的畫(huà)面瑕疵。
如果我們對某個(gè)片段熊貓的動(dòng)作、環(huán)境、鏡頭運動(dòng)不滿(mǎn)意，還可以選擇替換相應的角色元素，進(jìn)行二次編輯。
我們繼續嘗試一下人物類(lèi)鏡頭一致性，將上述提示詞中的“panda”換成了“the woman”，測試了一波V2的角色控制能力。
沒(méi)想到的是，PixVerse V2直接規避了短板，生成了全是近景特寫(xiě)的片段，壓根沒(méi)出現人物。
，時(shí)長(cháng)
00:16
考慮到是“the woman”太過(guò)寬泛，我們又將主體替換成確切的人物角色“Harry Potter”，測試結果顯示，在多片段生成時(shí)，人物手指等細節瑕疵無(wú)可避免，但場(chǎng)景、風(fēng)格一致性上發(fā)揮穩定。
1秒只需0.1元，AI視頻的成本競賽
今年下半年，AI視頻領(lǐng)域掀起了一波應用間的較量，快手可靈、Runway Gen-3等陸續面向公眾開(kāi)放使用。
幾家產(chǎn)品的問(wèn)世，都向我們傳遞了一個(gè)信息“AI視頻生成技術(shù)更適合短視頻制作”。
除了效果表現之外，陸續有AI工具開(kāi)始采取付費訂閱制，快手可靈同樣結束了免費試用期，正式邁入了“收費時(shí)代”。
快影App內公告
作為AI領(lǐng)域向來(lái)繞不開(kāi)的問(wèn)題，商業(yè)化的困境同樣出現在了視頻應用上。
當生成越長(cháng)的視頻，是否成本就越貴？
據調查機構Factorial Funds發(fā)文表示， Sora約30億參數的訓練成本，比1.8萬(wàn)億參數的GPT-4還要多。
Factorial Funds對Sora的相關(guān)報道
對于A(yíng)I視頻而言，一些生成服務(wù)會(huì )根據視頻的時(shí)長(cháng)、所需處理的視頻復雜性以及使用技術(shù)等因素來(lái)定價(jià)。
如果AI視頻還包括了高度定制化的內容，對視頻生成的質(zhì)量、連貫程度以及真實(shí)性有要求，實(shí)際所用的推理成本自然就會(huì )更高。
曾有媒體報道，國內AI企業(yè)做過(guò)一個(gè)估算，大約兩分鐘的AI視頻實(shí)際要花掉180元。
盈利，是擺在所有AI視頻工具面前的共同問(wèn)題。哪怕是PixVerse也扛不住相應的推理成本。
目前，PixVerse推出了訂閱套餐方案，基礎會(huì )員每月5美元，可以獲得1150個(gè)積分。
PixVerse每生成8秒的視頻，需要消耗30個(gè)積分，這樣算來(lái)，1150個(gè)積分大約能生成20條完整的15秒短視頻，一條短視頻的成本折合人民幣1.5元，是Runway Gen-3費用的1/3。
當然，背后的技術(shù)以及生成視頻結果的不確定性，導致實(shí)際使用的成本會(huì )驟升。
費用之外，對于大多數普通用戶(hù)而言，短短幾秒的視頻時(shí)間，如果只是簡(jiǎn)單的鏡頭移動(dòng)，除了獲得體驗感，很難有真正的使用場(chǎng)景。
愛(ài)詩(shī)科技創(chuàng )始人王長(cháng)虎在年初接受采訪(fǎng)時(shí)也提到：“在未來(lái)6-12個(gè)月里，我們希望用AI制作出15秒長(cháng)的可消費內容。只有當普通人都能用AI生成出好看、好玩的內容，才是AI視頻的ChatGPT時(shí)刻”。
目前看來(lái)，高算力、高成本依舊是商業(yè)化的主要障礙，但不少視頻玩家也從中找到了用戶(hù)留存的新方法，“AI整活”“老照片動(dòng)起來(lái)”“AI修復”等抽象玩法在互聯(lián)網(wǎng)上層出不窮。
在大多數用戶(hù)對AI視頻工具的新鮮感褪去之后，如何用新玩法留住用戶(hù)，摸索出新的賺錢(qián)方法，或許會(huì )是視頻內容玩家下一個(gè)競爭賽道。
