Meta发布新AI，输入一句话可生成5秒短视频

Meta推出全新视频生成AI系统：Make-A-Video

Meta最近发布了一款令人瞩目的新人工智能（AI）系统——Make-A-Video，它可以根据文本提示生成短视频。这一创新技术将文本与视频紧密结合起来，为用户带来全新的体验。

想象一下，只需输入一段描述，如“一只狗狗穿着超级英雄的服装和一件红色斗篷在天空中飞翔”，Make-A-Video就能够将这一幻想转化为一个5秒的短视频片段。虽然目前的准确率已经相当高，但视频效果仍有待提升。

尽管生成的视频效果略显粗糙，但Make-A-Video系统的出现为我们展示了生成式人工智能的早期潜力。作为今年从文本到图像的人工智能系统的热潮的延续，它预示着未来更先进的文本转视频技术的可能。这一系统无疑是生成式人工智能领域的一大突破，为我们带来了无尽的想象空间。无论是娱乐还是商业应用，这样的技术都将为我们创造更多可能性。让我们拭目以待，看未来这一技术将如何进一步发展，丰富我们的生活体验。从近期的发展来看，人工智能实验室OpenAI推出的Make-A-Video可能会激发其他实验室纷纷推出他们自己的版本。这一现象背后也引发了一系列重大的问题。就在上个月，OpenAI向公众推出了其最新的文本到图像AI系统DALL-E，另一家人工智能初创公司Stability.AI也推出了开源的文本到图像生成系统Stable Diffusion。这些进展无疑令人瞩目，将文本转化为视频的人工智能面临着更大的挑战。

这些先进的模型需要大量的计算能力作为支撑。这是因为，相较于文本和图像，视频包含了更为复杂的数据结构和更庞大的信息量，这就需要更强大的计算能力和更复杂的算法来进行处理。为了确保生成视频的准确性和流畅性，模型还需要进行大量的训练和调试。

尽管如此，人工智能的发展速度已经超出了我们的想象，无论是在文本到图像的转换，还是在更复杂的文本到视频的转换上，都展现出了惊人的潜力。我们可以预见，随着技术的不断进步和计算能力的不断提升，未来人工智能在文本到视频转换方面的表现将会更加出色。我们对此充满期待，同时也需要关注和解决这些技术发展所带来的问题。为了应对这一挑战，大型科技公司所具备的系统构建能力显得尤为重要。这些系统不仅需要处理大量的图像数据，还要应对视频数据集的稀缺问题。由于其训练过程需要大量的图像和算力资源，只有具备雄厚实力的公司才能承担这一重任。为了解决这个问题，Meta公司采取了创新的策略，整合了三个开源图像和视频数据集的数据来训练其先进的模型。通过整合这些数据集，该公司能够利用其庞大的资源，生成高质量的视频内容，为用户提供更加丰富多彩的视觉体验。这种整合不仅提高了模型的性能，还为未来的技术发展铺平了道路。经过标注的静态图像，也就是我们通常所说的标准文本图像数据集，它们对于人工智能来说就像是一本关于物体名称和样子的字典。这些图像帮助人工智能识别和了解各种物体的基本特征。

与此视频数据库则为人工智能展示了这些物体在真实世界中的动态表现。这两种资源的结合，如同左右手互搏，共同助力创建出基于文本生成视频的先进模型——Make-A-Video。这一模型的详细设计和应用被展示在一篇未经同行评议的论文中。

根据meta发布的视频显示，该模型具有强大的三维捕捉能力，随着相机的旋转，能够精准地呈现出物体的三维形状。该模型对深度和光照的理解也达到了一个新的高度。古普塔对此表示赞赏，他认为许多细节和动作的呈现都非常出色，令人信服。

古普塔也坦诚地指出了技术的局限性，尤其是在用于视频编辑和专业内容创作方面。尽管模型可以在一定程度上模拟物体间的交互，但在建立复杂的交互模型方面仍有很大的进步空间。这意味着在创建真实世界场景或动作时，我们仍面临一些挑战。

当我们尝试使用“艺术家用画笔在画布上绘画”这样的描述来生成视频时，可以看到画笔在画布上的移动，但生成的笔触效果并不真实。对此，古普塔表示期待模型能够更进一步的模拟真实的互动场景，例如“男人从书架上拿起一本书，戴上眼镜，一边坐下来一边喝咖啡”。他希望这些模型能够更真实地呈现出生活中的各种细节和动作，给观众带来更加真实的体验。

就meta公司而言，他们视这项新技术为创作者和艺术家开启全新机遇的钥匙。随着技术的不断进步，人们开始担忧它可能被用于制造和传播虚假信息以及深度造假的强大工具。这种情况可能会使网络内容的真实性和虚假性的区分变得更加困难。合成媒体领域的专家亨利·阿杰德对此表示，meta公司的模型在提升生成式人工智能的技术和创造力方面表现出色，但同时也带来了风险。生成视频相较于静止图像可能造成的独特伤害，成为公众关注的焦点。

制作Make-A-Video的研究团队虽然过滤掉了攻击性的图片和文字，但他们使用的是包含数百万图片和单词的数据集，要完全剔除所有偏见和有害内容几乎是一项不可能完成的任务。这无疑揭示了在处理大量数据时面临的挑战，同时也提醒我们网络环境中的信息可能存在的潜在风险。

meta的一位发言人表示，他们暂时还没有计划向公众推出这一模型。他们将继续探索如何进一步完善模型并降低潜在风险。这表明公司在推进技术的也在努力确保技术的安全性和可靠性，对新技术可能带来的风险保持警惕。这种审慎的态度，无疑是我们期待看到的科技发展应有的态度。