AI创作更进一步 图片之后视频也被拿捏 汇集多项热门技术

《科创板日报》报道，9月30日，Meta发布了一项引人注目的文字转视频（T2V）的AI模型——Make-A-Video。这项创新技术仅需输入简单的几句话，就能生成一段富有创意的原创视频。该模型的功能远不止于此，它还能将图片转化为视频，甚至可以从原始视频生成多个衍生视频。

与此国内科技巨头清华大学也在三个月前推出了同类产品，显示出中国在人工智能领域的深厚实力。不仅如此，其他知名的AI公司也跃跃欲试，纷纷表示将上线更先进的产品，市场竞争愈发激烈。

这一技术的发布引起了业界的广泛关注。Meta的Make-A-Video模型展现了人工智能在视频创作领域的巨大潜力，使得视频制作更加便捷和多样化。随着技术的不断进步，我们有理由相信，未来这一领域将会有更多的创新和突破。在这个充满活力的时代，科技创新的浪潮中，我们看到了人类对未知领域的无限探索和对现有技术的精湛运用。让我们先来想象一艘宇宙飞船成功登陆火星的壮丽景象。火星，这颗红色星球，在我们的探索中逐渐揭开神秘的面纱。此刻，宇宙飞船的降落象征着人类跨出的一大步，这是科技发展的里程碑。随着舱门的开启，一个新的世界展现在眼前，一切都充满了未知和惊奇。

紧接着，我们的视线转向热闹非凡的时代广场。在闪烁的灯光下，一个机器人正在翩翩起舞。随着音乐的节奏，它灵活地移动着，如同一个真正的舞者。这个场景充满了科技感与艺术性，展现了我们这个时代的特点。机器人不再是冰冷的机器，而是有了生命和灵魂。

我们还可以将图片转化为视频，让静态的画面动起来，赋予它们生命的活力。这样的技术让我们可以重温那些美好的瞬间，或者将想象中的世界带入现实。不仅如此，我们还可以根据已有的视频生成新的内容，创造出无限可能。

研究人员对Make-A-Scene进行了细致的调整与训练，将其巧妙应用于视频生成模型。这一创新举措省去了繁琐的文本-视频对训练环节，大大降低了成本投入，为技术界带来了一股清新的风。

在Make-A-Video之前，文本到视频的转换模型（T2V模型）领域已经涌现出多个引人注目的成果。其中，由清华大学和智源研究院联合研发的CogVideo模型引起了广泛关注，它是目前唯一一个开源的T2V模型。而在更早的时候，GODIVA和微软的“女娲”也曾成功实现过根据文字描述生成视频的技术。

为了评估模型的性能，meta的研究人员采用了数据测试和人类打分两种方法。与早期模型相比，Make-A-Video生成的视频质量更高，更能准确地反映文本的描述。值得一提的是，CogVideo与Make-A-Video的发布时间仅相差三个月，显示出这一领域的竞争之激烈。

在这个竞争激烈的市场中，Stability AI也不甘落后。其母公司一度爆红的T2I模型“Stable Diffusion”的创始人Emad表示，将很快发布一个比Make-A-Video更出色的模型。这一切都令人期待。

那么，为什么T2V模型会受到大家的热烈追捧呢？它究竟有何魅力？这背后或许隐藏着技术革新的力量和对未来无限可能的憧憬。文本转化影像：自然语言处理技术与计算机视觉技术的交汇点

这一技术展现出了强大的潜力，特别是在艺术、影视行业等领域的应用场景。电影剧本编写、创意营销、教学视频以及公共安全等领域都将因此受益。想象一下，只需通过文字描述，就能生成影像，这是自然语言处理技术与计算机视觉技术结合的魔力所在。

对于曾“改名明志”的meta而言，与文字转图像/视频有关的AI技术更是连接着元宇宙的奥秘。事实上，meta已将AI团队并入AR/VR部门，以进一步探索这一技术的无限可能。

正如meta所言，他们在这一领域已经取得了显著的进展，但这仅仅是开始。未来，他们将持续利用这种新的生成创意工具来突破界限，构建更丰富、更具表现力的2D/3D消息传递方式，改变混合现实和虚拟世界中人们之间的通信方式。

值得注意的是，在T2V模型方面，尽管已有众多科技公司展现出雄心壮志，但它们仍然面临着技术、方面的挑战。这一技术的每一次进步，都伴随着新的挑战和机遇。我们期待这一领域能够持续发展，为我们带来更多的惊喜和可能性。从Meta公布的作品来看，Make-A-Video生成的视频存在失真和掉帧的问题。随着AI技术的快速发展，由此引发的争议话题不断涌现。此前，Deepfake换脸技术制造假新闻的事件引起了广泛关注，而现在，AI绘画工具Midjourney因生成获奖画作而遭到传统艺术家的批评。

为了应对这些问题，Meta甚至提前采取了预防措施。在Make-A-Video的发布页面上，该公司明确表示，由于该模型能够生成看似真实的内容，他们为所有视频添加了水印，以确保观众能够识别出视频的真实性。这一举措有助于防范误解和争议，同时也展示了Meta对于技术和真实性的重视。