视频版Midjourney又进化了：一句话生成视频

本文来自微信公众号：品玩 （ID：pinwancool），作者：李禾子，原文标题：《视频版Midjourney又进化了：一句话生成视频，谷歌注资，网友大呼好莱坞已死！》，头图来自：Runway

提到国外的生成式AI大模型，文本生成领域有ChatGPT，图像生成领域有Midjourney和Stable Diffusion，那么视频生成领域有什么？

很多人第一个会想到Runway公司的Gen-1。

Gen-1是Runway在今年2月推出的一款（也是该公司的第一款）由文本生成视频的AI大模型。不过就在几天前，它的迭代版本Gen-2也正式发布了。

在此之前，Gen-2从3月下旬开始已经进行了一段时间的小范围测试。

虽然当时Runway的发言人Kelsey Rondenet说过Gen-2会在未来几周对所有人开放，不过直到6月，这个承诺才算真的兑现了。

所以千呼万唤始出来的Gen-2，到底进化到哪一步了？

真正的从零开始生成视频

在发布Gen-1的时候，Runway专门开辟了一个网页来给大家讲解Gen-1能怎么用，大致来讲主要包括了下面5个功能：

• 输入一张图片提示，来让原视频变成你想要的风格；

• 上传视频+一段提示词，生成你想要的视频（比如让一只拉布拉多变成斑点狗）；

• 输入图片或提示词，来让一段只做了3D建模的视频草稿变完整；

• 上传一段随意拍摄的视频，自动生成一段有故事感的片段（比如随意摆放的书最后成了一片高楼大厦）；

• 在原视频的基础上，更自由地定制你想要的视频风格（哪怕变出一只现实里并不存在的奇行种）。

发现没有，使用Gen-1的前提是必须先有一个现成的视频。说白了，Gen-1的作用其实就相当于给原视频加了一个更高级的滤镜。

而到了Gen-2，可以说才真正实现了从零开始生成视频的梦想。

从介绍来看，Gen-2比Gen-1多了3个厉害的功能：

• 文本到视频：只用输入一段提示词，就能生成一段视频；

• 文本和图片到视频：输入一张图片+一段提示词，就能让图片动起来；

• 图片到视频：只用输入一张图片，就能自动生成。

此图为输入“The late afternoon sun peeking through the window of a New York City loft”的提示词生成

如果说Gen-1充其量只能当作一个修改视频的工具，那么Gen-2几乎已经能作为一个视频生产工具了——试想一句话生成的一个个视频片段，最后拼到一起就能讲一个完整的故事了……

总之就是只能拿来玩和能拿来用的区别。

虽然目前Gen-2生成的视频依然存在细节模糊不清、形态扭曲等等品质问题，且生成的视频长度最多只有4秒，但它可能是现在视频生成领域最厉害的AI大模型工具了。

当然，从Gen-2开始，也标志着Runway公司正式进入了收费时代：不同于Gen-1的完全免费，Gen-2免费版的视频生成功能有限（试用额度只有105秒，约等于26个4秒视频，且分辨率低、有水印），用户需要每月付15美元（或144美元包年）才能用到它的完整功能。

Runway有啥来头？

Gen-2背后的Runway是一家成立于2018年的年轻公司，一直在研究怎么用AI来提升视频制作效率。

除了TikTok和YouTube上的普通用户，Runway的客户还包括了不少主流影视工作室，比如扣扣熊主持的《深夜秀》就用到过Runway的工具来辅助编辑图像。

它最著名的一次应用应该是去年在中国观众中间非常出圈的电影《瞬息全宇宙》，据报道里面让人印象深刻的面条手，还有石头对话等超现实场景都用到了Runway的技术。

不过很多人可能会忽略的是，早些天被爆出大丑闻的Stable Diffusion也和Runway关系密切。

准确来说是一直被外界视作Stable Diffusion（时下图像生成领域最热门的大模型之一）背后公司的Stability AI爆雷了，媒体列出Stability AI的罪状之一就是，它把Stable Diffusion的10亿代码成果“据为己有”，而它充其量只是给Stable Diffusion提供了算力（出了钱）。

实际上真正为Stable Diffusion出力的是慕尼黑大学、海德堡大学，以及Runway。

Stable Diffusion最早发表在CVPR 2022年中的一篇论文

也就是说，Runway是Stable Diffusion的研发者之一。

Runway在去年还因为官宣发布了Stable Diffusion v1.5版本一度被Stability AI抓着不放，但那次的舆论最终还是站在了Runway这边。

这也是Runway在“成名”以前为数不多的“八卦”。

后来就像大多数的大模型开发公司一样，不再参与Stable Diffusion项目的Runway在发布Gen-1之后，发展速度就像坐上了火箭，并且在本月初拿到了谷歌的投资，距离D轮1亿美元的融资刚过去一个月，累计融资至少已有2亿美元，成为大模型领域的明星公司。

说个更直观的数字，2021年12月对冲基金Coatue花3500万美元投资Runway时，其估值为2亿美元，一年后估值变成5亿美元，再过了半年，它的估值就又翻了3倍（保守说有15亿美元）。

网友：好莱坞is dead

Gen-2的正式发布让不少网友感到兴奋。

在Runway官宣发布Gen-2的推文下，出现了一些普通用户“求教程”的声音：

不过已经有行动力强的用户开始试着用Gen-2生成自己的视频了，不少用户都在Runway推文的评论区交上了自己的4秒钟“作业”。

尽管Runway只是在网站列出了Gen-2的主要功能，并没有教给大家更多Gen-2的玩法，但聪明的网友已经自己学着用Gen-2生成的视频剪辑出了一个有反转的短故事。

比如这个叫“Monster of the sea（海怪）”的48秒故事：天气晴朗、风平浪静的一天，一艘帆船开始还很悠然地行驶在海上，船上的游客惬意地碰着杯喝着酒，可突然狂风大作，船员拿起望远镜往远处望，发现一只巨大的海怪出现在海面，船随着海浪开始颠簸，甚至燃烧了起来，船上的人纷纷跳水弃船逃生。

来自推特网友@MHU

甚至有直接用ChatGPT写了剧本、再用Gen-2生成的视频拼成一个故事的。

还有用户拿Gen-2生成的素材剪了一个1分钟的电影预告片，甚至在最后幽默地加了一个戛纳电影节的标志，如果生成的视频质量再高一点，怕不是真能以假乱真。

来自推特网友@Toni Seldr

不过视频质量差、生成的视频时长太短等也确实成了用户吐槽Gen-2的点。

并且在为安卓用户提供App服务的问题上，Gen-2和Gen-1一样也还是没有长进。

当然，更多用户还是对Runway表现出了宽容。有网友评价说，“虽然它有太多的不完美，但有一点可以肯定，整个视听工业都将迎来革命性的改变。”

还有网友更激进地说，“好莱坞已死，任何人都可能做出一部世界级的电影。”

真能取代好莱坞吗？

可以理解为什么广大网友对Gen-2的推出如此兴奋。Gen-2对普通用户的好处是明摆着的——假以时日，文本生成视频技术一旦成熟，将意味着拍电影不再只是大制片厂的专属，任何一个普通人都可以做一部自己的电影。

Runway并没有明确说过Gen-2面向的人群到底是谁。不过我们可以从它推出App以及之前和影视工作室有过的合作等等动作来看，大致猜到有哪些人会用到Gen-2：专业的制片公司，个人工作室性质的独立生产者，以及我们这样的普通用户。

虽然Gen-2看起来对普通用户很友好，但制片公司们会用Gen-2这样的工具也是肯定的。

毕竟大模型不同于过去任何一个热过之后就销声匿迹的概念，它将成为未来又一次深刻改变人类的产业革命，几乎已经是各行各业的共识。

事实上在国内，已经有影视项目开始借助大模型来完成一些工作。比如在剧本筹备阶段，会把分镜头故事板的产出工作交给Midjourney（据说能省下几十万元的成本）。

那假设，有一天Gen-N成熟到也能生成能直接拿去用的完美镜头呢？

或者可以拿大模型在游戏行业的应用做个类比，Midjourney等工具的使用显然已经对游戏公司产生了非常现实的影响：先是出于节省成本的需要砍掉美术外包团队，接着就是在自己人身上动刀，甚至有从业者提到最多有8成的原画师会下岗。

考虑到如今大模型的迭代速度，它的影响真正显现在影视行业也会是迟早的事。

不过我反而觉得，Gen-2大模型可能会淘汰那些影视行业流水线上的“工人”，但却淘汰不了真正的艺术家。

之前听到过一个说法，AI大模型生成的内容里，可能有80%都会是对人类过去经验无聊的重复，但也可能有20%闪光的东西。就比如在中式美学和赛博朋克如何进行融合的问题上，普通创作者可能需要极长时间进行思考，AI却可能生成一个让人意想不到的结果，给人带来惊喜。

这20%是AI存在的意义，剩下的就需要真正有创造力的人去补足。

还有从业者提到过一个观点，AI大模型运用到影视行业的生产，不意味着非专业人士也能轻松上手——如果想借助AI的力量创作剧本，还需要针对剧本公式和故事结构等相关知识进行充电。不具备基础知识的小白即便有了AI这个超级助理也无济于事。

所以回到AI是不是能取代好莱坞的问题，事实上好莱坞可能是最早对新技术的“入侵”有所感知的，就像在今年5月初，数以千计的好莱坞编剧工会（WGA）成员曾进行罢工示威，诉求之一便是抵制在剧本写作中广泛使用AI的现象。

如果有一天Gen-N真的来了，好莱坞导演们可能第一个不答应。

本文来自微信公众号：品玩 （ID：pinwancool），作者：李禾子