AI視頻生成的“GPT時刻”，即將來臨。
文｜《中國企業(yè)家》記者 鄧雙琳
編輯｜李薇
頭圖來源｜視覺中國
這是一個巧妙的時刻。去年11月末，ChatGPT橫空出世，在全世界掀起了人工智能的狂潮，并以史上最快速度實現(xiàn)了上億活躍用戶。一年后，同樣的時間，硅谷又出現(xiàn)一枚“AI新星”，一夜之間迅速爆紅。
11月29日，AI視頻生成公司Pika Labs官宣了最新的視頻生成模型Pika1.0，并推出了新網(wǎng)站。據(jù)了解，Pika1.0能夠生成和編輯3D動畫、動漫、卡通和電影。幾乎不需要任何門檻，用戶只需要輸入一句話，就可以生成想要的各種風(fēng)格的視頻。此外，用戶還能夠通過Pika實現(xiàn)畫布延展、局部修改、視頻時長拓展等編輯需求。
在宣傳片中，Pika1.0擁有強(qiáng)大的語義理解能力，輸入“馬斯克穿著太空服，3D動畫”的關(guān)鍵詞，一個身穿太空服的卡通馬斯克便出現(xiàn)了，身后還有SpaceX的火箭。文生視頻的清晰度和連貫性，遠(yuǎn)超市面上其他AI視頻生成產(chǎn)品。
Pika Labs的創(chuàng)始團(tuán)隊同樣富有傳奇色彩整個團(tuán)隊目前只有4個人。聯(lián)合創(chuàng)始人郭文景，是來自杭州的一位“95后”女孩，曾被譽(yù)為“天才少女”。郭文景與另一位聯(lián)合創(chuàng)始人孟晨琳同為斯坦福AI Lab的華人女博士，今年4月，二人一起從斯坦福退學(xué)創(chuàng)業(yè)。
郭文景的父親，是A股上市公司信雅達(dá)實控人郭華強(qiáng)。Pika走紅后，信雅達(dá)在11月30日、12月1日連續(xù)收獲兩個漲停，被調(diào)侃為“父憑女貴”“女兒概念股”。
隨后，信雅達(dá)發(fā)布公告，承認(rèn)郭文景與郭華強(qiáng)的父女關(guān)系，但“除上述關(guān)系外，公司與Pika無其他關(guān)系。截至目前，郭文景未在公司擔(dān)任任何職務(wù)，公司未投資Pika，也未與Pika有任何業(yè)務(wù)往來。”
目前，Pika1.0正式的網(wǎng)頁版需要排隊預(yù)約，尚未有用戶實際測評過。有人借此質(zhì)疑，橫空出世的Pika一夜爆紅，是否為一場營銷騙局？畢竟，在11月之前，Pika還只是一個無名之輩。
事實上，Pika的第一個版本今年4月下旬就在Discord上進(jìn)行了公測。7月，在Discord正式推出服務(wù)器，并在幾個月時間內(nèi)收獲了50萬用戶。由于Pika團(tuán)隊精簡，寄生在Discord平臺，能夠最大限度地減少開發(fā)量。
來源：Pika官網(wǎng)截圖
最初，Pika只支持文生視頻，后來逐漸支持圖片轉(zhuǎn)視頻、相機(jī)控制、文字和Logo嵌入視頻中等。Pika1.0宣傳片中的許多功能，目前Discord上的版本并不支持，只能等網(wǎng)頁版開放測評后驗證。
Pika也并非第一次在眾人前亮相。今年11月初，《流浪地球3》的發(fā)布會上，電影工業(yè)化實驗室G!Lab官宣成立。郭帆導(dǎo)演介紹了一批戰(zhàn)略合作的科技公司，包括商湯科技、小米、華為等，還有Pika Labs。
至今，成立僅6個月的Pika已經(jīng)完成了三輪融資，總金額5500萬美元，估值超10億元人民幣。投資人陣容也可謂豪華包括OpenAI董事會成員Adam D'Angelo與前特斯拉AI總監(jiān)Andrej Karpathy、前Github CEO Nat Friedman、YC合伙人Daniel Gross，以及硅谷著名投資人Elad Gil等。
全員“天才”
Pika的創(chuàng)始團(tuán)隊，可謂全員天才。
郭文景早在2015年就在社交媒體上走紅。當(dāng)年，郭文景作為浙江第一個被哈佛本科提前錄取的學(xué)生，被央視報道，被稱為“天才少女”。
高一期間，郭文景便獲全國青少年信息學(xué)奧林匹克聯(lián)賽（浙江省賽區(qū)）一等獎，隨后兩次拿到奧林匹克數(shù)學(xué)比賽冠軍；此后受美國麻省理工學(xué)院邀請參加比賽，獲北美編程邀請賽第2名，超過來自哈佛、斯坦福、卡內(nèi)基梅隆等大學(xué)代表隊。
進(jìn)入哈佛后，郭文景一邊攻讀學(xué)業(yè)，一邊先后去了Meta AI Research、微軟、谷歌大腦、Epic Games等公司實習(xí)。大二時，郭文景就成為了Meta AI研究部門最年輕的全職員工，并獲得了許多國際軟件開發(fā)大獎。拿到數(shù)學(xué)本科與計算機(jī)碩士學(xué)位后，郭文景又到斯坦福大學(xué)繼續(xù)讀博。
聯(lián)合創(chuàng)始人孟晨琳和郭文景為斯坦福同學(xué)。過去三年，孟晨琳曾發(fā)表多篇研究論文，其中包括已成為內(nèi)容生成默認(rèn)方法，并被OpenAI的DALLE-2、谷歌的Imagen以及Stability AI的Stable Diffusion廣泛使用的降噪擴(kuò)散隱式模型(DDIM)。
另一位創(chuàng)始人陳思禹，據(jù)透露，與郭文景是杭州二中的同班同學(xué)。陳思禹是信息學(xué)和物理雙料國家集訓(xùn)隊成員，后保送北大，也是第一屆圖靈班的成員之一。4號員工Matan Cohen-Grumi的經(jīng)驗主要在創(chuàng)意領(lǐng)域。
郭文景在接受采訪時表示，Pika將持續(xù)輕體量化發(fā)展，隨用戶暴增，2024年或?qū)F(tuán)隊拓展到20人。
創(chuàng)辦Pika的契機(jī)，源于一次不被認(rèn)可的比賽。2022年，郭文景與幾位博士同學(xué)決定利用寒假時間使用生成式AI制作一部電影，參加Runway為其首屆“AI電影節(jié)”舉辦的大獎賽。郭文景對拿獎很有信心，但現(xiàn)實是幾個學(xué)霸認(rèn)真?zhèn)滟悾罱K卻沒能入圍。
在備賽過程中，郭文景發(fā)現(xiàn)目前市面上制作視頻的AI工具異常麻煩，她花了數(shù)小時使用Runway和Adobe Photoshop等工具，卻收效甚微。這讓郭文景嗅到了創(chuàng)業(yè)的機(jī)會為何不創(chuàng)造一個更易于普通人使用的AI視頻生成器？
想法萌生后，郭文景立刻行動起來。今年4月，郭文景與孟晨琳一同從斯坦福退學(xué)，共同開發(fā)Pika。
在創(chuàng)業(yè)做視頻生成之前，郭文景考慮過做游戲行業(yè)，因為游戲更容易商業(yè)化，為此，在斯坦福讀博期間，她還專門去了Epic Games實習(xí)，了解游戲行業(yè)的痛點。但后來，她發(fā)現(xiàn)游戲行業(yè)太卷，而AI視頻生成還是一片藍(lán)海，機(jī)會更多，目前的創(chuàng)業(yè)方向“至少可以做十年”。
視頻生成的“GPT時刻”
在今年ChatGPT掀起的人工智能大模型熱潮中，基于語言大模型的聊天機(jī)器人成為最熱門創(chuàng)業(yè)方向；而在泛內(nèi)容生成類AI應(yīng)用中，圖像生成是最主要的場景，其次是寫作工具、視頻生成工具。
相較于語言模型，AI生成視頻是完全不同的一類模型。其與AI生成圖片的模型有共通之處，但難度更高。
郭文景在接受媒體采訪時表示，視頻有很多和圖片不一樣的問題，比如要確保視頻的流暢性、確保動作，視頻比圖像更大，需要更大的GPU內(nèi)存，視頻生成需要考慮邏輯問題，還要考慮如何生成，是一幀一幀生成，還是一起生成，現(xiàn)在很多模型是一起生成，生成的視頻就很短。但如果要一幀一幀生成，又要怎么做？很多都是圖片生成不會面臨的新的技術(shù)問題。
孟晨琳補(bǔ)充，視頻的每一幀都是一張圖片，比圖片困難得多。因為每一幀的生成質(zhì)量要高，相鄰幀之間還要有關(guān)聯(lián)性。當(dāng)視頻很長時，確保每一幀都協(xié)調(diào)一致是個相當(dāng)復(fù)雜的問題。
在訓(xùn)練時，處理視頻數(shù)據(jù)時要處理多張圖片，模型需要適應(yīng)這種情況。比如，如何將100幀圖片傳輸?shù)紾PU上是一個挑戰(zhàn)。而在推理時，由于涉及到生成大量幀，推理速度相對于單張圖片會更慢，計算成本也會增加。
此外，控制視頻生成更難，因為模型需要生成每一幀發(fā)生的事情，而用戶不會希望為每一幀都提供詳細(xì)的描述。此外，視頻生成涉及到更多的空間維度，讓問題變得更復(fù)雜。再加上互聯(lián)網(wǎng)上視頻生成的訓(xùn)練數(shù)據(jù)集相對于圖像更少，也給獲取高質(zhì)量數(shù)據(jù)增加了難度。
來源：Pika官網(wǎng)截圖
目前，AI生成視頻領(lǐng)域的創(chuàng)業(yè)已經(jīng)開始加速。僅11月，除了Pika1.0發(fā)布，還有多家企業(yè)發(fā)布了新的視頻生成工具。
11月16日，社交媒體巨頭Meta發(fā)布工具Emu Video，能夠基于文本和圖像輸入生成視頻剪輯；幾乎同時，字節(jié)跳動發(fā)了PixelDance模型，通過描述（純文本）+首幀指導(dǎo)（圖片）+尾幀指導(dǎo)（圖片），即可生成包含復(fù)雜場景和動作的視頻。
11月21日，Runway動態(tài)筆刷Motion Brush面世，其特別之處在于，只需在任意圖片上抹一筆，就能讓其變成一段動態(tài)視頻。作為最早探索視頻生成領(lǐng)域的領(lǐng)頭羊之一，過去一年，Runway先后發(fā)布了Gen1、Gen2。
11月24日，專注于開發(fā)人工智能產(chǎn)品的初創(chuàng)公司Stable AI發(fā)布了其最新的AI模型Stable Video Diffusion（穩(wěn)定視頻擴(kuò)散模型），這款模型能夠通過現(xiàn)有圖片生成視頻，是基于之前發(fā)布的Stable Diffusion文本轉(zhuǎn)圖片模型的延伸。
除此之外，Adobe也在文生視頻領(lǐng)域有新動作。日前，該公司宣布已收購AI視頻生成創(chuàng)業(yè)公司Rephrase.ai，后者主要通過AI技術(shù)將文本轉(zhuǎn)換為虛擬形象視頻。Adobe高級副總裁兼總經(jīng)理Ashley Still稱，Rephrase.ai團(tuán)隊在生成式AI音視頻技術(shù)、文本到視頻生成工具方面的專業(yè)知識將擴(kuò)展Adobe的生成式視頻功能。
隨著Pika在文生視頻領(lǐng)域的應(yīng)用驗證，業(yè)內(nèi)普遍認(rèn)為游戲傳媒類上市公司或?qū)⒙氏仁芤妗?/strong>值得關(guān)注的是，目前多家游戲傳媒類上市公司已成功將AIGC技術(shù)運用到視頻或游戲素材的創(chuàng)作中。
可見，視頻領(lǐng)域的競爭日漸激烈，或許將成為下一階段AI競爭的主要場景。在孟晨琳看來，視頻領(lǐng)域的競爭可能會類似語言模型的競爭格局一家公司發(fā)布新模型的時候，他們內(nèi)部可能已經(jīng)有了更先進(jìn)的模型，領(lǐng)先其他公司一到兩年。未來在視頻領(lǐng)域也會是一家公司領(lǐng)先一到兩年、在沖鋒，其他公司在追趕。
Pika的爆紅，也許意味著AI視頻生成的“GPT時刻”，即將來臨。
參考資料：
《專訪Pika Labs創(chuàng)始人：探索視頻生成的GPT時刻》，海外獨角獸
新聞熱線&投稿郵箱：tougao@iceo.com.cn
