扫码打开虎嗅APP
本文来自微信公众号:Founder Park,作者:Founder Park,题图:由Runway生成
Runway 在 6 月发布了 Gen-3 视频生成模型,效果震撼整个视频生成领域。
随后 7 月 Runway 又被曝出正在进行新一轮融资,估值 40 亿美元,预计融资 4.5 亿美元。
这家毫无疑问的视频生成赛道头部创业公司,刚刚被曝出一份内部文件。
一个简单的 Excel 表格,巨详细地罗列着 Runway 动员全公司上下在互联网上收集的高质量视频资源,累积条目数万条。
其中 YouTube 上的视频占据了一大部分,光是“推荐油管频道”就有 3968 个。还有 14 个在线影视资源网站(就是常见的 Watch Movie/Anime Online for FREEEEE!!! 那种盗版网站)。
油管母公司 Google,是 Runway 上一轮融资的投资方,但显然收集 YouTube 视频数据的工作由 Runway 独立完成。除了油管以外,它还收集了迪士尼、Netflix、索尼等超级版权公司的视频内容。
爆料媒体用 Gen-3 测试了相关 prompt,非常匹配表格里的数据,细节到直接去生成油管主播各自风格的视频。且相关 prompt 仅在 Gen-3 上能生成匹配的效果,Gen-2 不行。
以下内容来自爆料媒体 404media(以下简称 4m),经 Founder Park 编辑整理。
一、油管高质量视频全扒下来了,为了怕被封还买代理下载
据 Runway 前员工向 4m 的爆料,Runway 公司里几乎是全员都会在这个表格里录入数据,用来训练他们自家的模型。表格里搜集的油管视频,他们是用开源软件 YouTube-DL 下载的,为了防止被 Youtube 封禁,Runway 还找供应商买了专门的代理,用这些代理 IP 地址来下载视频。
可以说准备工作做得很足了。
泄露的文件包含 14 个电子表格。其中一个表格里有一百多个视频关键词,比如“海滩”、“医生”、“雨”等等,每个关键词旁边写着负责搜索相关内容的 Runway 员工的名字。
泄露文件截图(右侧为翻译后内容)
爆料人说,这些人要么是被派去找视频的员工,要么是员工自己标记的他们正在处理的关键词。在“彩虹”这个词和员工名字旁边,有人写了一条备注:“没有专门的频道或播放列表,但找到了适合微调(finetuning)的好视频。”
文件中的注释显示,Runway 正在寻找特定主题、摄影风格和多样化人群的视频。“高相机运动”表格包含了 177 个 YouTube 频道的链接,包括《使命召唤》的官方频道、电影制作人 Josh Neuman 的频道、虚幻引擎和 Vans 的频道。
一个名为“电影杰作”的电子表格列出了 206 个链接,是一些高质量的油管频道和视频,包括动画短片和学生电影。在这个表格中,DEFY Studio YouTube 频道的链接旁边有一条注释写着“迄今为止汽车电影的牛逼作品都在这儿了”。
“单个优秀视频(用于微调)”是另外 253 个视频的集合,旁边还有一列主题,比如“修眉”、“冰雕”、“微笑”和“尖叫”。
二、盗版资源网站也没能幸免
今年推出的 Gen-3 因为生成视频质量高、很适合影视制作等备受好评。产品功能中有相机控制、导演模式,还可以实现对结构、风格和动作的精细控制。
可能也正因此,很多电影在线网站,尤其是知名的盗版电影网站也是 Runway 重点收集数据的来源。
一个名叫“非 YouTube 来源”的表格包含 14 个网站链接,其中包括经常被投诉的盗版动画网站 kisscartoon.sh,在专门记录互联网上内容删除请求的 Lumen 数据库里,有上千个针对这个网站的版权投诉。
“非 YouTube 来源”表中还包含一个宫崎骏电影档案链接、几个动漫盗版网站、一个 XBox 游戏剪辑的粉丝网站,以及一个现在已下线的名为 AZiMovies 的盗版电影网站,Runway 的某位员工在上面注释:“这里面有很多好内容。”
文件里还有一个包含 17112 个词的列表,包括“手工洗车”、“拳击”、“打破彩罐”、“扭脖子”、“乱穿马路”等几十个词。每个词都对应着一些相关的 YouTube 热搜,比如“如何正确洗车”、“如果你被抓到乱穿马路会发生什么”和“自己扭脖子的危险”。
还有一个“推荐频道”的列表里,里面包含 3967 个 YouTube 频道的链接,其中很多是大品牌和大媒体的频道,比如皮克斯、Glamour、CBS 纽约、蒙特雷湾水族馆、AMC 影院,还有多个官方迪士尼频道,比如迪士尼 XD 和迪士尼 Plus。
迪士尼是重点监控公司
三、Prompt 里带上博主名字,几乎可以生成原视频
目前还不确定是不是表格里统计的每个视频都喂给了大模型,但 4m 用表格里的关键词在 Gen-3 里测试了下,发现其中很多生成的视频都跟表格里的视频特别像。
真人视频方面,虽然生成的视频没法完美复制,但用表格里出现的知名油管博主进行测试时,生成的视频跟真人很接近。
比如,关键词里如果带上“Mark Wiens”,这是油管一个超千万人关注的美食博主,生成的视频里的确会有一个小伙子在自拍吃东西的画面,这跟他本人发的很多视频都很像。
PROMPT (GEN-3 ALPHA): "MARK WIENS"
但是如果用 Gen-2 试验相同的 Prompt,生成的视频就跟这位博主没什么关系了,生成了一个穿西装的大众脸。
PROMPT (GEN-2): “MARK WIENS”
巧的是,4m 联系 Runway 询问这件事之后,Gen-3 就不能再生成包含 Mark Wiens 和其他几位 YouTuber 名字的视频了。
换一个Prompt,油管博主 Jon Olsson 在他的 Vlog 1054 里的形象。Gen-3 生成了一个穿滑雪夹克戴滑雪帽的白人男性,和作者在视频中的穿着非常像。
原版 Vlog 截图,这位博主戴着蓝色头盔在雪里翻了个跟头。
PROMPT(GEN-3 ALPHA):“油管博主 Jon Olsson 在他的 VLOG 1054 里的形象”
跟上面的截图确实很像。
Prompt:一段 DEFY Productions 风格的赛车视频
Gen-3 生成的视频中,赛车尾巴上有“DEFY”字样,跟 @DEFYstudio Logo 的字体很像。
真·@DEFYstudio Logo,里面的字母“E”是镜像的
如果输入一个这样的 prompt:以油管博主 Benjamin Hardman 的旅行视频风格呈现。Gen-3 生成了一个看起来像是无人机拍摄的视频,镜头跟随远处的一位看起来很像 Hardman 的男人,在悬崖边徒步,和油管原视频相差无几。
博主本人喜欢捧着摄影机去极地拍冰川,视频的风格是这样的:
生成的视频长这样:
PROMPT (GEN-3 ALPHA): “以油管博主 Benjamin Hardman 的旅行视频风格呈现”
PROMPT (GEN-3 ALPHA): "BENJAMIN HARDMAN"
四、OpenAI、Anthropic、Nvidia,都在偷偷用油管视频训模型
最近几个月,因为偷偷用创作者的内容来训练模型,生成的视频、文本或者音乐与原作很类似,很多 AI 公司都因为这个被骂。《纽约时报》起诉 OpenAI 违法使用他们的新闻报道,然后是 4 月份,200 多名音乐人发公开信,要求大公司停止干这种事,“太没下限了”。
同样是 4 月,《纽约时报》报道 OpenAI 和谷歌通过转录 YouTube 视频来训练他们的模型,连谷歌自己都没能忍住……不过也有可能他们的用户协议里允许了。
7月份,Proof News 爆了一份大料,包括 Anthropic、Nvidia、苹果和 Salesforce 在内的公司,都在偷偷使用了超过 48000 个频道的 YouTube 视频和字幕文件。
这个数据集也很丰富,从学习视频到脱口秀,可以说是应有尽有。
学习视频:可汗学院、麻省理工学院和哈佛大学的教育视频。
新闻报道:《华尔街日报》、美国国家公共电台和英国广播公司的视频
综艺:“斯蒂芬·科尔伯特晚间秀”“约翰·奥利弗上周今夜秀”和“吉米·坎摩尔直播秀”。
网红:MrBeast(2.89 亿订阅,用于训练的两个视频),Marques Brownlee(1900 万订阅,七个视频),Jacksepticeye(近 3100 万订阅,377 个视频)和PewDiePie(1.11 亿订阅者,337 个视频)。
Proof News 还发现,这里面竟然还有宣扬“地平说”之类的阴谋论视频!
这玩意真的能拿来喂 AI 吗?
虽然媒体都这么报道了,但 OpenAI 官方还没承认,CTO Mira Murati 最近在接受《华尔街日报》采访时是这么说的,她不知道 Sora 的训练数据是否包括来自 YouTube、Instagram 和 Facebook 的视频。OpenAI 用的是公开可用的数据和授权数据。
油管对此很生气。
YouTube CEO Neal Mohan 对彭博表示,这种做法是不允许的:“从创作者的角度来看,创作者把他们的劳动成果上传到我们的平台时,他们是有预期的,服务条款最起码不能违反。我们不允许转录或下载视频片段,这些是我们平台上内容的规则。”
“我希望这些爆料,能让大家知道有多少科技公司背地里在干这个事,以及他们所谓的为了生成那些看起来很厉害的视频都做了什么‘努力’。”
感谢 4m 和这名勇敢的爆料者。
参考文章:
https://www.404media.co/email/e3836b26-6914-4c1c-a102-bf9735adc3de/
https://www.proofnews.org/apple-nvidia-anthropic-used-thousands-of-swiped-youtube-videos-to-train-ai/
本文来自微信公众号:Founder Park,作者:Founder Park