上周我趕赴北京新聞廣播，做了一期關(guān)于AI生成視頻的節(jié)目。

我們討論的核心問題是，當(dāng)前人工智能生成視頻的技術(shù)已發(fā)展到何種程度?是否已能實現(xiàn)以假亂真?

為了直觀展現(xiàn)這一技術(shù)現(xiàn)狀，我和主持人設(shè)計了一個小互動環(huán)節(jié)。我拿出來手機，給她展示了三段視頻，請她分辨其中哪些是實拍內(nèi)容，哪些是AI生成的。

圖注：你們猜猜哪個是AI數(shù)字人？

主持人認(rèn)真觀察后，給出了答案，我告訴她完全錯誤。她當(dāng)時十分震驚，坦言道：“咱們認(rèn)識這么久，我居然沒看出來這是你的數(shù)字人?！?/p>

這個小互動很能說明問題：相比過去兩年，如今AI生成視頻的技術(shù)已有了質(zhì)的飛躍。借助擴散模型的逐幀優(yōu)化和NeRF技術(shù)的3D場景構(gòu)建，生成內(nèi)容的連貫性和真實感大幅提升。連專業(yè)媒體人都難以分辨，足以證明技術(shù)進步之快。

這也正是我們今天探討這個話題的必要性所在——當(dāng)AI生成視頻的逼真度達到如此水平，其技術(shù)影響與應(yīng)用邊界都值得深入關(guān)注。

那么，AI生成視頻到底將應(yīng)用在哪些領(lǐng)域?未來我們將如何厘清AI生成視頻和現(xiàn)實創(chuàng)作的邊界?人機協(xié)作的范式應(yīng)該是怎樣的?

針對這些話題，我們展開了較為深度的對談。以下是對談干貨整理，今天也分享出來，供大家參考。

1、主持人：近年來，AI視頻生成技術(shù)的發(fā)展令人矚目。請您先為我們講講，從技術(shù)層面來看，目前AI視頻生成取得了哪些重大突破?

丁道師：簡單來說，這兩年的突破，主要在于對真實世界的理解。

舉個簡單的例子，以Sora為例，有人咬了一口面包，面包上出現(xiàn)了咬掉的缺口，而之前的視頻生成工具不具備這樣的理解真實世界的能力。吃一口面包，面包缺了一塊角，這就是咱們真實世界的物理規(guī)則，現(xiàn)在居然被Sora理解并且呈現(xiàn)了出來。

再舉個例子，當(dāng)你扔一個球時，它會沿著一個拋物線軌跡飛行，并最終落地。Sora可以模擬這個過程，考慮到重力、空氣阻力以及球的初始速度和角度。這是以往的同類型產(chǎn)品，所不具備的。

技術(shù)層面的變化，帶來了應(yīng)用場景的突破。舉個例子，去年央視推出了國內(nèi)首部文生視頻AI動畫片《千秋詩頌》，引發(fā)了巨大關(guān)注。在同等預(yù)算條件下，按照傳統(tǒng)動畫制作流程計算，制作《千秋詩頌》至少需要8個月時間。而在我國自主AIGC技術(shù)支撐以及總臺海量視音頻的語料庫助力下，依托大模型，該片的制作周期縮短至4個月。相較于傳統(tǒng)動畫制作，大大提升了制作效率。

還有現(xiàn)在熱門的一個賽道--短劇，也開始大規(guī)模用AI參與制作了。

2、主持人：在生成較長時長的視頻時，AI 常出現(xiàn)內(nèi)容不連貫、邏輯混亂等問題，AI幻覺在視頻生成上可能更明顯，您認(rèn)為當(dāng)前阻礙 AI 視頻生成進一步發(fā)展的最大技術(shù)難點是什么?是模型的訓(xùn)練效率、對復(fù)雜場景和動作的精準(zhǔn)模擬，還是其他方面?

丁道師：確實，AI如同人類一樣，它也會出錯、出現(xiàn)工作懈怠，結(jié)果具有一定隨機性。這就要求我們學(xué)會管理AI，以應(yīng)對未來的無限可能。

關(guān)于AI生產(chǎn)視頻的技術(shù)難題，如果在以前，我們會說訓(xùn)練效率的低下限制了模型對復(fù)雜場景的學(xué)習(xí)能力，復(fù)雜場景的高維度需求又反過來加劇了生成效率與質(zhì)量的矛盾，同時還存在 “時空一致性”“語義邏輯” 等更底層的技術(shù)鴻溝。

現(xiàn)在看來，問題只剩下了一個，那就是“時間”。隨著時間的推移，我們現(xiàn)在看到的諸多問題，都會解決。而且這個時間不用特別久，AI生產(chǎn)視頻的能力幾乎每個月都在以肉眼可見的速度提升。

3、主持人：從百度“蒸汽機”、字節(jié)跳動即夢、快手可靈AI，到智譜清影、生數(shù)科技Vidu、MiniMax海螺AI，互聯(lián)網(wǎng)巨頭與初創(chuàng)企業(yè)都相繼布局AI視頻生成模型。還有在電影工業(yè)中的應(yīng)用?？焓稚蟼€月發(fā)布財報顯示，可靈AI的收入在二季度超過2.5億元，相比一季度大幅增長。而且可靈比一眾大語言模型更早在國內(nèi)跑通付費模式。您怎么看AI視頻生成的商業(yè)變現(xiàn)能力?

丁道師：AI 視頻生成商業(yè)變現(xiàn)的核心邏輯在于兩點：第一，它能否比傳統(tǒng)視頻制作大幅提升效率;第二，它能否實現(xiàn)比傳統(tǒng)視頻制作更高的品質(zhì)。

從第一點來看，AI 視頻生成在效率上的優(yōu)勢已毋庸置疑，提升幅度遠(yuǎn)超傳統(tǒng)方式;但第二點 “品質(zhì)更高”，目前仍需打個問號。不過當(dāng)下的趨勢是，效率優(yōu)勢在不斷強化，而品質(zhì)不足的難點也在逐步解決。綜合這兩點來看，AI 視頻生成已具備大規(guī)模商業(yè)變現(xiàn)的可能性。

那么未來哪些領(lǐng)域會大規(guī)模應(yīng)用 AI 生成視頻呢?

第一個領(lǐng)域是影視制作，涵蓋長視頻、短視頻及短劇制作。這不僅是大型公司的機會，比如央視之前制作的《千秋詩頌》，河南也正計劃用人工智能制作《愚公移山》相關(guān)長電影，目前預(yù)告片已經(jīng)出來;許多小型公司、小團隊(此前提到過不少專注短劇制作的)，也已在大規(guī)模使用付費 AI 軟件制作相關(guān)視頻。

第二個重要領(lǐng)域是游戲與動漫。游戲制作向來耗時漫長，而如今即便是大型 3A 游戲制作中的 CG 動畫、各類交互動畫，都可借助人工智能生成，至少能通過 AI 進行輔助制作。

這里我再補充一個案例：去年我在上海出差時，曾在一場活動中見到知名導(dǎo)演陸川，當(dāng)時他就明確表達了對用人工智能制作電影的濃厚興趣。這一細(xì)節(jié)也從側(cè)面說明，專業(yè)影視制作領(lǐng)域已開始嘗試 AI 技術(shù)的應(yīng)用。

一旦影視娛樂、電子游戲、動漫，以及我們?nèi)粘５膭?chuàng)意營銷、廣告制作等領(lǐng)域，都開始大規(guī)模使用 AI 生成視頻，那么這個領(lǐng)域的商業(yè)變現(xiàn)空間，將遠(yuǎn)超當(dāng)前呈現(xiàn)的規(guī)?！，F(xiàn)在我們覺得快手某季度 AI 相關(guān)業(yè)務(wù)營收 2.5 億元已是了不起的成績，但三年后再看，這個數(shù)字后面加個 0 可能都不止。

4、主持人：隨著AI視頻生成技術(shù)的普及，辨別視頻真假成為了重要課題。在圖像和視頻分析中，有哪些特征或指標(biāo)可以作為判斷視頻是否由AI生成的依據(jù)?在日常生活中，沒有專業(yè)工具的情況下，如何通過一些簡單的方法來初步判斷視頻的真實性呢?

丁道師：截止今天，人工智能生成的視頻其實還是比較容易識別的。其動作畫面整體仍存在一定的生硬感與粗糙感，甚至?xí)霈F(xiàn)一些基本的常識性錯誤。

舉個例子，前段時間某品牌生成的AI圖片中，花生被畫成生長在地面上，但實際花生是生長在地下的，這明顯違背了基本的科學(xué)常識。再比如在細(xì)節(jié)方面，其精細(xì)度不足：比如繪制的人物形象，可能存在畸形的情況，或者出現(xiàn)七個手指頭;又或者在畫面動態(tài)展示時，人物的頭發(fā)、衣物等會突然消失，諸如此類。

目前，這類AI生成視頻其實還是比較容易識別的。但正如我們之前所討論的，隨著時間的推移，未來AI技術(shù)必定能生成足以以假亂真、肉眼無法識別的內(nèi)容。屆時，不僅肉眼無法分辨，甚至可能無法通過工具識別，這將是一個巨大的挑戰(zhàn)。因此，相關(guān)的監(jiān)管措施必須及時跟上。

5、主持人：相應(yīng)的監(jiān)管如何跟上呢?

丁道師：從今年9月1日起，由國家網(wǎng)信辦、工信部、公安部、廣電總局聯(lián)合制定的《人工智能生成合成內(nèi)容標(biāo)識辦法》正式落地。

敲重點。

第一、以后AI生成的各種東西，像文字、圖片、視頻等，都得 “亮明身份”，會加上明顯或暗藏的標(biāo)識，讓大家知道它是AI造的。

第二、不管是做AI內(nèi)容的平臺，還是傳播這些內(nèi)容的平臺，都有各自加標(biāo)識、核驗標(biāo)識的責(zé)任，一環(huán)扣一環(huán)規(guī)范 AI內(nèi)容傳播。

第三、要是沒按這辦法來，網(wǎng)信、電信、公安、廣電這些部門會按各自職責(zé)，依據(jù)相關(guān)法規(guī)處理。

從制作到傳播，再到相關(guān)處罰，都明確規(guī)范了AI生成內(nèi)容的規(guī)范，以后那些用AI生成的內(nèi)容，都會標(biāo)注類似“本文/本圖/本視頻涉及人工智能生成內(nèi)容，請仔細(xì)辨別”這樣的提示，這一標(biāo)注可能十分醒目，讓觀眾一眼就能識別，避免被誤導(dǎo)，明確所看內(nèi)容并非通過傳統(tǒng)拍攝、寫作等方式產(chǎn)出。

6、主持人：您對AI視頻生成的未來發(fā)展有哪些展望?

丁道師：我期待的，是一種“人機協(xié)同”的模式。既不否定AI的價值，也不讓AI掌管一切。

應(yīng)構(gòu)建這樣的平衡機制。創(chuàng)作前期，人類主導(dǎo)創(chuàng)意構(gòu)思，確定故事內(nèi)核、人物設(shè)定與整體風(fēng)格，AI提供創(chuàng)意啟發(fā)與素材參考;創(chuàng)作中期，AI快速生成初稿、分鏡等，人類把控質(zhì)量，對情節(jié)邏輯、情感表達等進行優(yōu)化;創(chuàng)作后期，人類審核內(nèi)容，確保合規(guī)與文化價值，AI輔助完成剪輯、特效等基礎(chǔ)工作，以此實現(xiàn)人機優(yōu)勢互補。