0
| 本文作者： 鄭佳美 | 2024-12-16 14:04 |
3 個(gè)月前，MiniMax 發(fā)布了首款 AI 高清視頻生成模型 Abab-video-1。只用了 5 周時(shí)間，海螺 AI 的網(wǎng)頁(yè)版訪問(wèn)量便增速超 800%，還登上了 AI 產(chǎn)品榜當(dāng)月全球增速榜、國(guó)內(nèi)增速榜雙榜單 TOP 1。
一時(shí)間，不少?lài)?guó)內(nèi)網(wǎng)友直呼其為“國(guó)產(chǎn)之光”。
12 月初，MiniMax 又上新了圖生視頻模型 I2V-01-Live，新的模型專(zhuān)門(mén)對(duì)二次元效果進(jìn)行了優(yōu)化，能夠更好的將靜態(tài)的二次元圖片轉(zhuǎn)化為流暢且自然的動(dòng)態(tài)視頻，至此，海螺 AI 開(kāi)始進(jìn)軍“動(dòng)漫界”。
與此同時(shí)，OpenAI 的“雙十二”活動(dòng)也在如火如荼的進(jìn)行著，萬(wàn)眾期待的 Sora Turbo 順勢(shì)開(kāi)放。當(dāng)“國(guó)產(chǎn)之光”碰上“話題之王”，會(huì)擦出怎樣的火花？雷峰網(wǎng)(公眾號(hào)：雷峰網(wǎng))AI 科技評(píng)論第一時(shí)間對(duì)二者最新、最完整的模型進(jìn)行了一手體驗(yàn)，在給定的一系列固定提示詞的條件下，海螺 AI 的生成效果屬實(shí)令人眼前一亮。
在這場(chǎng)視頻生成的狂歡中，不少網(wǎng)友腦洞大開(kāi)，提供了各種虛實(shí)結(jié)合的有趣 idea：
在網(wǎng)友對(duì)比海螺 AI 和 Sora 生成的“喝茶的龍”的視頻下，評(píng)論區(qū)普遍認(rèn)為 Sora 生成的龍與背景存在一定的違和感，盡管能夠創(chuàng)造出看似真實(shí)的圖像，但在細(xì)節(jié)融合和場(chǎng)景一致性上可能還存在一些挑戰(zhàn)。
提示詞：ancient dragon drinking tea。古老的龍?jiān)诤炔琛?/span>
也有網(wǎng)友直接讓兩個(gè)模型生成《了不起的蓋茨比》小說(shuō)中所描述的畫(huà)面，對(duì)比其生成效果的還原度，并銳利點(diǎn)評(píng)：海螺 AI 的效果確實(shí)有 20 世紀(jì)的味道，但 Sora 的效果卻顯得過(guò)于現(xiàn)代，不符合提示詞的要求。
提示詞：A realistic, high-definition 16:9 horizontal video depicting a lavish party at Jay Gatsby’s mansion from F. Scott Fitzgerald’s novel ‘The Great Gatsby’. The scene captures the extravagant 1920s.
一個(gè)真實(shí)、高清的16:9橫向視頻，描繪了F. Scott Fitzgerald的小說(shuō)《了不起的蓋茨比》中Jay Gatsby的豪宅里舉辦的奢華派對(duì)場(chǎng)景。這場(chǎng)戲捕捉了20世紀(jì)20年代的奢華氛圍。
還有網(wǎng)友將同一提示詞下 sora 和海螺 AI 生成的視頻做了橫向?qū)Ρ炔⒃u(píng)論：現(xiàn)在不需要Sora，海螺 AI 也能滿足我的一切需求。
提示詞：An astronaut in a white suit with a reflective visor stands amidst a glowing meadow of bioluminescent flowers under a surreal, starry night sky. The astronaut reaches out toward ethereal, glowing jellyfish floating gracefully in the air. The camera performs a slow dolly zoom。
一位穿著白色宇航服、戴著反光面罩的宇航員站在一片發(fā)光的生物熒光花叢中，頭頂是超現(xiàn)實(shí)的繁星點(diǎn)點(diǎn)的夜空。宇航員伸手向空中優(yōu)雅漂浮的幽靈般發(fā)光的水母。攝像機(jī)進(jìn)行緩慢的推拉變焦拍攝。
除了以上這些對(duì)比二者生成效果真實(shí)性的網(wǎng)友外，也有大批網(wǎng)友在體驗(yàn)了 MiniMax 最新的 I2V-01-Live 圖生視頻模型后紛紛加入了對(duì) 海螺AI 的贊譽(yù)行列。
有從事藝術(shù)行業(yè)的網(wǎng)友曬圖并表示：這是我嘗試過(guò)的最難動(dòng)畫(huà)化的圖片之一，幾乎所有平臺(tái)都試過(guò)了，只有海螺 AI 成功讓這張圖片動(dòng)了起來(lái)！
更有網(wǎng)友專(zhuān)門(mén)整理了視頻海螺 AI 的視頻合集，并配文：I2V-01-Live 就是為了讓 2D 動(dòng)畫(huà)動(dòng)起來(lái)而設(shè)計(jì)的，它不會(huì)讓你失望！
甚至有網(wǎng)友用 I2V-01-Live “復(fù)活”了塔羅牌：這些人物動(dòng)作流暢，仿佛被注入了生命一樣！
也有網(wǎng)友在嘗試過(guò)之后，認(rèn)為這個(gè)模型的生成效果和兒童故事的插圖完美匹配，效果十分完美。
看過(guò)了網(wǎng)友們對(duì)海螺 AI 和 Sora 的真實(shí)測(cè)評(píng)后，AI科技評(píng)論也進(jìn)行了一手體驗(yàn)，為了更加直觀的進(jìn)行對(duì)比，生成時(shí)統(tǒng)一使用了 Sora 官方 demo 的視頻提示詞。
在嘗試制作“獼猴眼部特寫(xiě)鏡頭”視頻時(shí)，海螺 AI 的生成效果相較于 Sora 更為直觀。視頻中，鏡頭緩緩移動(dòng)，揭示出主角是一只獼猴，毛發(fā)與臉部輪廓處理真實(shí)細(xì)膩。然而，Sora 的效果如果不結(jié)合提示詞來(lái)理解，很難讓人將其與“獼猴”聯(lián)系起來(lái)。盡管如此，Sora 卻成功捕捉到了猴子眼中的“星河宇宙”，而這一細(xì)節(jié)在海螺AI的效果中并不那么明顯。
提示詞：a closeup of the eye of a macaque monkey. it is very still. the eye does not move, and the gaze of the eye does not move. the monkey stares back at us in the camera. we see the universe in the eye of the monkey.
一只獼猴的眼睛的特寫(xiě)鏡頭。它非常靜止。眼睛不動(dòng)，目光也不移動(dòng)。猴子在鏡頭中凝視著我們。我們?cè)诤镒拥难劬锟吹搅擞钪妗?/span>
在處理“頭發(fā)凌亂不堪”這一指令時(shí)，兩個(gè)模型都選擇了通過(guò)“風(fēng)吹”的效果來(lái)展現(xiàn)。然而，海螺 AI 所呈現(xiàn)的畫(huà)面更具動(dòng)感，畫(huà)面感更為強(qiáng)烈。畫(huà)面中，一位老人緩緩轉(zhuǎn)身，微風(fēng)輕拂，自然地掀起他的頭發(fā)，顯得既真實(shí)又細(xì)膩。相比之下，Sora 的處理則顯得有些粗獷，仿佛是在“亂吹”。
提示詞：a close up of an old man having a really bad hair day.一個(gè)老人頭發(fā)凌亂不堪的特寫(xiě)鏡頭。
主角行走時(shí)動(dòng)作僵硬、缺乏流暢性是許多視頻生成大型模型普遍面臨的問(wèn)題，即使是被譽(yù)為“話題之王”的 Sora 也未能免俗。在 Sora 生成的視頻中，人物行走時(shí)步伐略顯僵硬，同時(shí)伴隨著鏡頭的輕微拉近，本意是為了營(yíng)造一種從遠(yuǎn)及近的視覺(jué)效果，但結(jié)果卻不盡人意，反而讓畫(huà)面顯得有些不協(xié)調(diào)。
而海螺 AI 在這方面的處理則顯得更為自然且流暢，巧妙地避免了這些問(wèn)題，讓人物的動(dòng)作和鏡頭的過(guò)渡都更加和諧，視覺(jué)舒適感拉滿。
提示詞：a hooded hunter walking between the trees in the snow.一個(gè)戴著兜帽的獵人在雪中的樹(shù)林間行走。
測(cè)評(píng)之外，真實(shí)的榜單數(shù)據(jù)也在彰顯著 MiniMax 的技術(shù)實(shí)力。
時(shí)至今日，MiniMax 視頻模型依然憑借其卓越的畫(huà)面質(zhì)感、內(nèi)容的真實(shí)性以及流暢性等優(yōu)勢(shì)，在 VBench榜單獨(dú)立測(cè)評(píng)評(píng)分上穩(wěn)居首位。
據(jù) MiniMax 介紹，他們的大模型每天要與全球用戶進(jìn)行超30億次交互，平均處理超過(guò)3萬(wàn)億文本token，生成2000萬(wàn)張圖片以及7萬(wàn)小時(shí)語(yǔ)音。在全球擁有多元化用戶分布的同時(shí)，位居國(guó)內(nèi) AI 公司大模型日處理交互量榜首。
和Sora在年初的初次亮相相比， MiniMax 在視頻生成賽道上的“姍姍來(lái)遲”，公司創(chuàng)始人閆俊杰則表示這其實(shí)是一種“蓄力”，他希望 MiniMax 能夠在技術(shù)上形成絕對(duì)優(yōu)勢(shì)后再進(jìn)入賽道，以彌補(bǔ)入局晚的劣勢(shì)。在他看來(lái)，要大投入去做的技術(shù)研發(fā)，不應(yīng)該只追求 5% 或是 10% 的提升，而應(yīng)該追求幾倍的提升。
也正因如此，MiniMax 在視頻生成賽道中的“遲到行為”，便更像是刻意而為之，給人一種待萬(wàn)事俱備之時(shí)，再乘東風(fēng)之勢(shì)，一鳴驚人的從容與淡定。
事實(shí)證明，他們做到了。
2024 年 8 月，MiniMax 的 Abab-video-1 模型一經(jīng)上線便火遍全球，迅速包攬各大榜單的 TOP 1。但在人們一聲聲“國(guó)產(chǎn)之光”的歡呼中，閆俊杰最先冷靜下來(lái)，他知道對(duì)于 MiniMax 而言，技術(shù)的重要性還在不斷的提升，技術(shù)好了，才能留住用戶。他曾說(shuō)：“當(dāng)技術(shù)做不好的時(shí)候，所有東西都是問(wèn)題，當(dāng)技術(shù)做好了，所有問(wèn)題都會(huì)被掩蓋?！?/p>
繼10月上線圖生視頻功能后，MiniMax此次發(fā)布最新圖生視頻模型 I2V-01-Live，再次證明了 MiniMax 在視頻生成大模型領(lǐng)域的技術(shù)能力。快速的產(chǎn)品更新周期將人們對(duì)海螺 AI 未來(lái)的文+圖生成視頻以及編輯可控性的期待值直接拉滿。
在競(jìng)爭(zhēng)日益激烈的視頻生成大模型領(lǐng)域，MiniMax 作為新興力量，憑借專(zhuān)注深耕的技術(shù)路線與精準(zhǔn)前瞻的戰(zhàn)略布局脫穎而出，拉著視頻生成行業(yè)往前走了一大步。
然而，作為“后來(lái)者”，MiniMax究竟是如何推動(dòng)行業(yè)發(fā)展的？其中緣由并不難理解。
Sora 熱潮掀起了國(guó)內(nèi)對(duì)視頻生成大模型的廣泛關(guān)注，各大公司“先后”入局，MiniMax 憑初創(chuàng)公司的身份，在一眾“宇宙大廠”面前表現(xiàn)不輸。
從默默無(wú)聞的初創(chuàng)公司，僅用了三年時(shí)間便到“國(guó)產(chǎn)之光”，MiniMax 或許真的不一般。
自公司成立，MiniMax堅(jiān)持在多模態(tài)發(fā)力，其視頻生成模型生成內(nèi)容從細(xì)節(jié)性、準(zhǔn)確性以及豐富度上都得到了不錯(cuò)的效果。
在應(yīng)用趨勢(shì)上，MiniMax 的兩款視頻生成模型搶在 2024 年正式上線，緊抓 AI 視頻大模型爆發(fā)式增長(zhǎng)的機(jī)遇。作為 AI 視頻的應(yīng)用元年，2024 年不僅是一個(gè)重要起點(diǎn)，也預(yù)示著行業(yè)邁入高速發(fā)展的新階段。隨著模型能力的不斷提升和推理成本的逐步下降，未來(lái)3-5年內(nèi)，各類(lèi)應(yīng)用場(chǎng)景將陸續(xù)被解鎖。而 MiniMax 的這一布局，無(wú)疑占據(jù)了行業(yè)應(yīng)用趨勢(shì)的制高點(diǎn)。
從更長(zhǎng)遠(yuǎn)的視角來(lái)看，視頻生成模型則承載著更宏大的愿景，有望成為世界模型以及通用 AGI 不可或缺的重要組成部分。無(wú)論是眼前還是未來(lái)，MiniMax 的路看似都沒(méi)有走錯(cuò)。
除此之外，新一代的 AI 視頻工作流也正在萌生，它將會(huì)整合音頻、視頻的整個(gè)創(chuàng)作流程，大大的提高創(chuàng)作效率，同時(shí)也可以降低 AI 視頻內(nèi)容在制作中各個(gè)環(huán)節(jié)的“違和”現(xiàn)象。這個(gè)工作流主要包括“精細(xì)化生成”和“流程化整合”兩個(gè)方向，前者主要是對(duì)視頻中的各類(lèi)細(xì)節(jié)進(jìn)行精準(zhǔn)調(diào)試，后者是通過(guò)一站式服務(wù)提高工作效率。在這方面，MiniMax憑借自研語(yǔ)音模型、音樂(lè)模型的創(chuàng)新和應(yīng)用，可能早已為此做好了布局。
MiniMax 選擇在國(guó)內(nèi)的 B 端和 C 端同時(shí)發(fā)力，打破了國(guó)內(nèi)市場(chǎng)被“大廠”瓜分的商業(yè)化布局，力求在不同市場(chǎng)層面取得突破。通過(guò)滿足企業(yè)客戶的高效工作流需求以及個(gè)人用戶對(duì)創(chuàng)新工具的追求，MiniMax 能夠在兩條市場(chǎng)線中獲得更多機(jī)會(huì)。除此之外，MiniMax 還積極擴(kuò)展海外市場(chǎng)，尋求全球化的發(fā)展機(jī)遇，利用不同地區(qū)的需求特點(diǎn)和潛力，推動(dòng)品牌的全球化發(fā)展，并為其未來(lái)的商業(yè)化帶來(lái)更多的機(jī)遇。
與此同時(shí) ，MiniMax 也在 AI 視頻生成的競(jìng)爭(zhēng)中，憑借其在基礎(chǔ)模型、產(chǎn)品和場(chǎng)景三個(gè)關(guān)鍵要素上的深度布局，逐步推動(dòng)了技術(shù)和市場(chǎng)的發(fā)展，拉著國(guó)內(nèi)視頻生成行業(yè)往前走了一大步。
至于 MiniMax 還能走多遠(yuǎn)，看它硬是把自己從 mini 拼成了 Max 的勁頭，足以相信它以后的路還會(huì)很長(zhǎng)。
雷峰網(wǎng)原創(chuàng)文章，未經(jīng)授權(quán)禁止轉(zhuǎn)載。詳情見(jiàn)轉(zhuǎn)載須知。
