“如果AI生成的角色拒絕相信他們是AI生成的，會(huì)怎么樣？”
近日，海外博主用谷歌最新視頻模型Veo 3生成的一些人物視頻火了。在這些視頻中，有一群人集體高呼抗議“We're not prompts（我們不是提示詞）”，還有一位男士舉著手機(jī)自拍，背景是美妙的高山峽谷，他指著身后，“你想說我背后的完美創(chuàng)造物，僅僅是0和1的結(jié)果，一串二進(jìn)制代碼，再無其他？這不合理。”
當(dāng)然臺(tái)詞和劇本是人創(chuàng)作的，但由AI生成的這些人物和場景都極具真實(shí)感，無論是光線在人臉上投下的陰影與高光，還是人物的長相、口型，在陽光下瞇起眼睛的神態(tài)都極為自然。配合Veo 3新的原生音頻生成功能，人們?cè)僖淮误@呼“真實(shí)不存在了”。
事實(shí)是否真的如此，視頻生成的GPT時(shí)刻終于來了嗎？第一財(cái)經(jīng)記者采訪的Veo 3的使用者們并不這么認(rèn)為。AI Talk主理人、AIGC創(chuàng)作者汗青提到，Veo 3確實(shí)是很好的技術(shù)，但并沒有網(wǎng)傳那么夸張，例如視頻生成質(zhì)量有提升但不驚艷，價(jià)格不低，現(xiàn)階段對(duì)實(shí)際生產(chǎn)幫助還不大。
AIGC創(chuàng)作領(lǐng)域的KOL@尾鰭Vicky對(duì)第一財(cái)經(jīng)表示，Veo 3的文生效果是很好，但圖生效果與國內(nèi)第一梯隊(duì)產(chǎn)品差不多，而在AI創(chuàng)作中，圖生視頻是更重要的工作流模式，綜合價(jià)格看還未達(dá)到使用者的預(yù)期。
是時(shí)候和好萊塢說再見了？
Veo 3是谷歌在近日的I/O大會(huì)上發(fā)布的一系列更新之一，在當(dāng)時(shí)一眾眼花繚亂的產(chǎn)品線更新中，并不特別突出，但目前已經(jīng)超過了其基座模型、智能眼鏡更新，成為討論度最高的產(chǎn)品。
Veo 3最大的迭代是，新增了原生音頻生成功能，即模型在生成視頻的同時(shí)能生成環(huán)境音和人物對(duì)話等，走出了此前視頻生成的“無聲時(shí)代”。從谷歌的演示看，無論是城市街道的車流聲、公園中的鳥鳴，甚至是角色對(duì)話，均可通過文本提示生成。
在發(fā)布新視頻模型的同時(shí)，谷歌也發(fā)布了針對(duì)電影制作人的視頻創(chuàng)作工具FLOW。汗青認(rèn)為，Veo 3配合FLOW的剪輯功能，是AI影像新一代工作流的雛形。
Veo 3發(fā)布后，汗青第一時(shí)間進(jìn)行了測試，他用大概兩個(gè)多小時(shí)生成了一條一分半鐘的短片《前行列車》，包括影像在內(nèi)，所有的配音、音效、對(duì)口型工作均由Veo 3完成。記者觀察到，無論是畫面、長鏡頭的鏡頭運(yùn)動(dòng)、人物表情和神態(tài)都非常有電影的質(zhì)感。
汗青認(rèn)為，Veo 3的優(yōu)勢(shì)是真正原生多模態(tài)，原來的工作流是生成圖像、生成動(dòng)畫、生成配音/音效/音樂，最后對(duì)口型，但Veo 3的工作流是：文字生成動(dòng)畫，全部搞定。
“Veo 3生成的視頻，會(huì)根據(jù)你的要求自動(dòng)配上音樂和音效，提示詞里如果有臺(tái)詞，甚至連配音和對(duì)口型都做完了。這應(yīng)該是本次模型最大的亮點(diǎn)之一。在這個(gè)新的多模態(tài)范式里，你不用再單獨(dú)去折騰音樂和找配音、對(duì)口型了。”汗青表示，這種一次性生成的體驗(yàn)，不是一站式生成，價(jià)值不言而喻，如果體驗(yàn)打磨到位，會(huì)大大降低創(chuàng)作的門檻，提升效率。
國外也不乏贊美的聲音。海外AI影片制作者@PJ Ace在X上表示，自己曾經(jīng)拍攝過價(jià)值50萬美元的藥品廣告，但現(xiàn)在不到一天的時(shí)間內(nèi)就用500美元的 Veo 3積分完成了一個(gè)一分多鐘廣告視頻，“現(xiàn)在花 50 萬美元的理由是什么？（此前）拍這樣的廣告，從劇本到最終剪輯，我和50個(gè)工作人員得花兩個(gè)多月的時(shí)間。”
有網(wǎng)友評(píng)論表示，從上面提及的這些數(shù)字來看，一部時(shí)長3小時(shí)的AI制作的電影成本約為 9 萬美元，“是時(shí)候和好萊塢說再見了”。 @PJ Ace認(rèn)為，AI制作相比好萊塢便宜了10到20倍。
這次出圈的脫口秀視頻是海外博主@Hashem Al-Ghaili用Veo 3制作的，他用谷歌的Veo 3做了一個(gè)測試，“想象一下，如果AI角色意識(shí)到他們生活在模擬環(huán)境中會(huì)是什么樣子”。
谷歌DeepMind首席執(zhí)行官哈薩比斯（Demis Hassabis）轉(zhuǎn)發(fā)了這一視頻，并表示，Veo 3在建模直觀物理方面的表現(xiàn)令人驚嘆，在他看來，這對(duì)世界的計(jì)算復(fù)雜性有著重要的意義。他透露，Veo 3的逼真效果源于其對(duì)復(fù)雜物理現(xiàn)象的推斷能力。
在帖子下面，科技圈名人馬斯克也現(xiàn)身稱贊，認(rèn)為Veo 3“Nice work（干得漂亮）”。
在磐霖資本風(fēng)險(xiǎn)合伙人陳利人看來，一個(gè)高中生用Veo 3生成的短片就能在TikTok獲得百萬播放量，畫面質(zhì)量堪比漫威電影預(yù)告片，這就像數(shù)碼相機(jī)終結(jié)柯達(dá)對(duì)影像的壟斷，GitHub讓程序員不必?cái)D進(jìn)硅谷才能創(chuàng)造偉大產(chǎn)品。“當(dāng)工具將專業(yè)創(chuàng)作能力賦予普通人，壟斷文化生產(chǎn)的傳統(tǒng)中心將失去存在的必要性。”
I/O大會(huì)之前，谷歌組織了一次媒體溝通會(huì)，第一財(cái)經(jīng)記者曾問及谷歌的產(chǎn)品經(jīng)理David，他們是如何實(shí)現(xiàn)Veo視頻模型的質(zhì)量提升的，他回復(fù)稱，團(tuán)隊(duì)通過早期版本的實(shí)踐，了解了需要改進(jìn)的方向、適用的架構(gòu)、數(shù)據(jù)類型，以及如何為模型提供準(zhǔn)確、高質(zhì)量和充足的數(shù)據(jù)，所有這些經(jīng)驗(yàn)都融入了迭代過程，這才有了Veo模型的驚喜。
也有業(yè)內(nèi)人士認(rèn)為，谷歌模型的進(jìn)展離不開“數(shù)據(jù)金礦”YouTube，憑借海量的視頻資源，谷歌可以輕松訓(xùn)練AI模型，生成效果自然遠(yuǎn)超競爭對(duì)手。哈薩比斯近日在播客節(jié)目中提到Veo 3表示，在視頻模型方面，“我們對(duì)數(shù)據(jù)質(zhì)量管理非常嚴(yán)格”。
GPT時(shí)刻到了嗎
盡管Veo 3的視頻生成質(zhì)量有提升，但長期接觸視頻生成產(chǎn)品的AI創(chuàng)作者們并不覺得這是“GPT時(shí)刻”。
汗青認(rèn)為，從生成效果上看Veo 3有提升但并不驚艷，“相比Veo 2，效果低于我的預(yù)期。”而在真實(shí)度這方面，他提到，Veo系列本來就是天花板，此前發(fā)布的Veo 2真實(shí)性已經(jīng)很強(qiáng)，Veo 3是向前又走了一步。
與此同時(shí)，視頻生成的瑕疵還有很多，例如，在火出圈的視頻中，一個(gè)“方頭小孩”明顯生成失誤，還有被采訪的女孩說話時(shí)，嘴型與發(fā)音略有偏差。汗青體驗(yàn)發(fā)現(xiàn)，偶爾出現(xiàn)沒有音頻的現(xiàn)象，一致性很難把控等等。
汗青用Veo 3生成了一個(gè)女主和蜘蛛俠一起做播客訪談的視頻，可以看到其仿真度非常高，但背后LOGO的“AI.TALK”一直沒能顯示正確。
汗青也嘗試了在8秒的生成長度中能容納對(duì)話的上限能力，發(fā)現(xiàn)在臺(tái)詞較多的時(shí)候，會(huì)出現(xiàn)丟臺(tái)詞、對(duì)話主體混亂（A說了B的話）之類的問題，同時(shí)對(duì)中文的支持并不好，大部分情況下都會(huì)出錯(cuò)。這些都是Veo 3需要不斷完善的，遠(yuǎn)遠(yuǎn)達(dá)不到完美。
汗青肯定了Veo 3音畫同出的方式，確實(shí)大幅度提升了創(chuàng)作效率，但目前體驗(yàn)下來很多效果遠(yuǎn)遠(yuǎn)不夠理想，“它的意義是提出一個(gè)很有價(jià)值的方向，并且比Sora實(shí)現(xiàn)得要好得多，但千萬別指望現(xiàn)在就能用它做大量的商業(yè)生產(chǎn)。”
實(shí)際上，第一財(cái)經(jīng)問及視頻生成現(xiàn)階段的挑戰(zhàn)時(shí)，David也表示，這個(gè)領(lǐng)域仍處于早期階段，視頻生成的首要挑戰(zhàn)是非常基礎(chǔ)的問題——指令遵循。用戶提出需求后，是否能得到預(yù)期的結(jié)果，這也是谷歌在持續(xù)改進(jìn)的方向。
對(duì)于創(chuàng)作者來說，除開這些瑕疵點(diǎn)，Veo 3最大問題是文生工作流模式和昂貴的價(jià)格。
@尾鰭Vicky與多個(gè)視頻生成平臺(tái)都有合作，她表示，Veo 3主要是文生效果很好，但從現(xiàn)階段真實(shí)的商業(yè)化生產(chǎn)場景來說，文生視頻并不是主要生產(chǎn)力。實(shí)際上創(chuàng)作者們“干活”用即夢(mèng)、可靈、PixVerse、Vidu較多。
AI影視出現(xiàn)至今，AI創(chuàng)作者們有一個(gè)業(yè)內(nèi)基本遵循的工作流范式，即以圖像為核心，按圖像去生成視頻、再去音頻融合（配音口型），最后剪輯，這是基本流程，而文生視頻的流程，不確定性更高。因此當(dāng)一個(gè)新模型不支持圖生視頻時(shí)，則意味著創(chuàng)作者們無法將其用于生產(chǎn)流程。
“即便是Veo 3的出現(xiàn)，我也不認(rèn)為AI創(chuàng)作基本流程在短期內(nèi)會(huì)有太大的變化，因?yàn)榭貓D比控視頻的成本低太多了。”汗青也認(rèn)為，傳統(tǒng)的工作流在效率上存在很大的提升空間，F(xiàn)low的發(fā)布讓人們看見這種可能性正在形成，不過，還有很長的路要走。
Veo 3另一個(gè)問題是價(jià)格。目前要使用Veo 3，首先需要谷歌美區(qū)賬號(hào)，同時(shí)訂閱谷歌最貴的AI ultra套餐，費(fèi)用高達(dá)每月249.99美元（約為人民幣1800元），這比OpenAI旗下最貴套餐ChatGPT Pro還貴近50美元。不過，目前首次使用AI ultra的用戶在前三個(gè)月可以享受50%的特別優(yōu)惠，現(xiàn)價(jià)暫時(shí)是124.99美元每月（約為人民幣900元）。
但如果用于商業(yè)流程，AI ultra套餐也并不夠用。汗青介紹，目前每個(gè)8秒的Veo 3視頻需要150積分，ultra的套餐只贈(zèng)送12500積分/月，超出部分需要加油包，100個(gè)積分1美元，算下來大約1個(gè)8秒的鏡頭就需要1.5美元。
“套餐里這點(diǎn)積分拿來做商業(yè)項(xiàng)目是肯定不夠的，一般都要涉及加油包的購買。由于文生視頻的不可控性，成片率并不高。”汗青表示，以他做的《前行列車》為例，這條一分半的視頻，用了6000-7000積分，花費(fèi)在70美元左右。
從整體上來看，汗青認(rèn)為Flow和Veo 3是有里程碑意義的一次發(fā)布，但絕不推薦大部分人目前重度使用它，除非是氪金玩家，或者有明確商業(yè)回報(bào)的項(xiàng)目。“惱人的瑕疵非常多，遠(yuǎn)談不上完美，也很貴。但意義是讓我們看到了新的AI影像工作流的雛形。”
鄭重聲明：本文版權(quán)歸原作者所有，轉(zhuǎn)載文章僅為傳播更多信息之目的，如作者信息標(biāo)記有誤，請(qǐng)第一時(shí)間聯(lián)系我們修改或刪除，多謝。
