在科技日新月異的今天，人工智能領域再次迎來了重大突破。曾幾何時，OpenAI宣布將推出文生視頻大模型Sora，這一消息猶如一顆石子投入平靜的湖面，激起了全球網(wǎng)友的廣泛討論和期待。然而，時間悄然流逝，Sora似乎仍停留在概念階段，未見真容。反倒是亞馬遜云科技捷足先登，發(fā)布了名為Nova Reel的文生視頻大模型，谷歌也不甘落后，向企業(yè)用戶開放了AI視頻模型Veo。
與此同時，國內(nèi)互聯(lián)網(wǎng)巨頭們也在緊鑼密鼓地布局AI生成視頻領域?？焓制煜碌腁I團隊率先打造出視頻生成大模型可靈，清華大學與北京數(shù)生科技攜手推出了Vidu，隨后騰訊公司的AI團隊也加入了這場競賽，推出了混元文生視頻大模型，并在其元寶App中上線供用戶體驗。
騰訊，作為國內(nèi)首屈一指的互聯(lián)網(wǎng)公司，在游戲、即時通訊、移動支付等領域擁有舉足輕重的地位。然而，過去騰訊的技術研發(fā)能力時常受到外界的質(zhì)疑。此番，騰訊與亞馬遜云科技、谷歌等國際巨頭同期推出視頻生成大模型，無疑是對其研發(fā)實力的一次有力證明。
然而，技術的優(yōu)劣終究要靠實踐來檢驗。騰訊混元視頻模型的實際表現(xiàn)如何呢？據(jù)用戶反饋，混元大模型擁有130億的參數(shù)量，是目前參數(shù)量最大的開源視頻生成類大模型。在公測期間，用戶每天可以獲得多次視頻生成機會，且生成的視頻長度為5秒。從功能上來看，混元大模型提供了豐富的視頻類型設置，如比例、風格、景別等，操作簡便易用。
然而，在實際使用過程中，用戶發(fā)現(xiàn)混元大模型生成的視頻雖然畫面逼真，但往往與用戶的預期存在偏差。例如，在描述“夕陽西下，少女坐在靠窗的書桌前”的場景時，生成的視頻中白人女孩的形象讓用戶感到“出戲”，且書桌、窗戶等細節(jié)并未得到很好的呈現(xiàn)。而在描述天氣變化的場景中，視頻中的天氣變化并未得到體現(xiàn)，部分人物動作也顯得虛浮不自然。
為了驗證混元大模型的一致性問題，用戶用相同的描述語和鏡頭設置再次生成了視頻。雖然兩次生成的視頻在細節(jié)上有所差異，但整體效果仍然未能完全滿足用戶的期待。相比之下，Vidu和可靈兩款大模型在相同描述語下的表現(xiàn)則更為出色，它們能夠更準確地捕捉并呈現(xiàn)用戶描述中的細節(jié)和場景變化。
盡管如此，騰訊混元大模型作為新晉的視頻生成大模型，其表現(xiàn)仍然值得肯定。它已經(jīng)從0到1邁出了重要的一步，雖然目前還存在一些不足和需要改進的地方，但相信在騰訊技術團隊和資金的支持下，混元大模型有望在未來實現(xiàn)更快的成長和進步。
隨著全球互聯(lián)網(wǎng)巨頭們紛紛加入AI生成視頻的競賽，2025年有望成為視頻生成大模型爆發(fā)的一年。屆時，AI生成視頻的長度將從數(shù)秒提升至分鐘級，為全球文娛產(chǎn)業(yè)帶來前所未有的變革。在這場激烈的競爭中，國內(nèi)企業(yè)如騰訊、快手等已經(jīng)及時入場并把握住了新時代的機遇。未來，它們能否在全球視頻生成大模型行業(yè)中脫穎而出，讓我們拭目以待。
