2024年末，国产视频生成大模型应用驶入快车道

随着2024年的尾声逐渐临近，国产视频生成大模型的应用突然迎来了加速发展的阶段。在这一时期，各大科技公司纷纷推出了自己的视频生成模型，并加速其商业化进程，尤其是视频生成领域，犹如被点燃的枪管，热度急剧攀升。

12月19日，快手旗下的可灵模型迎来了1.6版本的更新。尽管相较于两周前高调宣布的AI导演共创计划，此次更新显得相对低调，但快手选择在这个时间点进行模型升级，背后或许有着更为深远的考量。

就在前一天，即12月18日，字节跳动在火山原动力大会上首次公开了豆包视频生成大模型。同时，新任剪映掌门人张楠也首次亮相，简短介绍了今年5月推出的即梦视频生成工具，并将其定位为“想象力相机”，与抖音的“现实相机”相呼应。然而，她并未过多透露产品细节，仅播放了两个样片，并强调产品和技术仍处于早期阶段。

张楠的这一举动或许是为了避免将即梦与一周前公布的Sora Turbo进行直接对比。OpenAI在年底的12天直播中，于12月10日揭开了Sora的神秘面纱。经过长达10个月的铺垫，Sora终于亮相，并带来了“故事板”功能，可将提示词直接转化为剧本。此外，新版Sora的视频生成速度更快，编辑功能也更为实用。然而，尽管产品发布当天服务器因海量流量冲击而崩溃，但用户仍需每月支付200美元的成本，这引发了不少吐槽。

在OpenAI这位大模型先锋之后发布产品，无疑面临着巨大的压力。除非能拿出更为惊艳的产品亮点，否则很容易被掩盖在前者的光芒之下。因此，腾讯混元在12月初便抢先一步推出了视频生成大模型，并将其命名为“元宝”。然而，与Sora、可灵、即梦等既能文生视频也能图生视频的工具相比，腾讯混元目前仅能文生视频。

不过，由于当前大模型对语义理解能力的限制，所有文生视频的应用效果都远未达到令人满意的程度，这也使得AGIC创作者对其持谨慎态度。腾讯显然意识到了这一点，因此在产品发布当天便积极释放了开源的信号。

尽管国产视频生成应用已有近10多款，但从过去20天的情况来看，国产视频生成模型仍然主要掌握在大公司手中。这不仅与大模型水平、算力有关，更与视频数据的积累息息相关。此外，大模型早期所弥漫的FOMO情绪（害怕错过）也依然有迹可循。

然而，正如张楠所说，产品和技术仍处于早期阶段。如果你了解现在的AI视频是如何制作出来的，就不会被那些渲染的画面所迷惑。现在仅仅是发令枪响起的时刻，我们还不能过早地下结论。

关于视频生成的主流方式，尽管我们接收到的信息中，大模型生成视频似乎易如反掌，但实际上，制作精良的广告宣传片、短剧类AI视频仍然是少数人掌握的技能。一个2分钟的AI短片往往需要经过脚本创作、分镜细化、静态图生成、图片处理、动态分镜生成等多个步骤才能完成。

目前，我们看到的2-3分钟AI视频，绝大部分都是图生视频，而且原料是经过专业处理的图片，需要多次续写并配合后期剪辑而成。尽管腾讯混元是免费的，但文生视频仍然面临着激励创作者使用的障碍。其中，大模型语义理解能力的局限和一致性问题是主要的挑战。

不过，也有一些创作者进行了新的尝试。例如，《烈焰天街》的作者梦罗浮就使用了文生视频作为主体创作，因为他觉得文生视频的表情和肢体动作比图生视频更为真实。

现在，能够制作出绝美或接近物理现实的AI视频的人，往往是那些懂得设计、审美，并熟练操作各种工具的专业人士。他们也可以被视为AI视频的种子用户。因此，各大应用前期更多是在网罗这些种子用户的参与，激励他们创作更多作品。

从大厂的一些动作也可以看出，他们在引导的用户群体和使用场景上有所不同。例如，可灵从影视专业人员群体入手，意图在影视、广告、游戏等领域嫁接AI；而腾讯混元则明确提出可在工业级商业场景如广告宣传、动画制作等中使用。

尽管即梦和可灵已经占据了一定的用户心智，但对于他们而言，仍然前路漫漫。除了我们所能感知到的产品特征和差异外，国产AI视频应用的底层模型架构也有很大的相似性。因此，在接下来的发展中，各家公司的底层优化能力和数据训练结果将成为决定性因素。

目前，国产AI生成视频应用中，快手旗下的可灵是唯一公布过数据的。其月活用户数和生成视频数量都在快速增长，并已经实现了商业化收入。然而，可灵也面临着抢跑加速的焦虑感，需要不断推陈出新以保持领先地位。

总之，现在只是AI视频发展的起点，我们还不能过早地下结论。未来，随着技术的不断进步和应用的不断深化，AI视频领域或将迎来更加广阔的发展前景。