剪辑部 发自 凹非寺量子位 | 公众号 QbitAI巨乳 gif

奥特曼说，Sora代表了视频生成大模子的GPT-1时刻。

从开年到当今，国表里、初创独角兽到互联网大厂，齐纷纷进入视频生成界限，带来一个个崭新模子的同期，视频、影视行业也随之发生剧变。

不可否定，当下的视频生成模子还际遇诸多问题，比如对空间、对物理律例的麇集，咱们齐期待着视频生成的GPT-3.5/4时刻到来。

在国内，有这么一家从加快查验启程的初创公司，正在为此死力。

它等于潞晨科技，独创东说念主尤洋博士毕业于UC伯克利，后赴新加坡国立大学担任校长后生解说。

本年潞晨科技在加快操办界限以外，设立视频生成模子VideoOcean，为行业带来更具性价比的礼聘。

在MEET 2025现场，尤洋博士也向咱们共享这一年关于视频生成界限的麇集与融会。

MEET 2025智能已往大会是由量子位摆布的行业峰会，20余位产业代表与会询查。线下参会不雅众1000+，线上直播不雅众320万+，获取了主流媒体的宽泛温雅与报说念。

中枢不雅点梳理

视频生成模子应该落幕良好化文本适度、恣意机位/恣意角度、变装一致性、作风定制化3年后粗略就能迎来视频生成的GPT-3.5/GPT-4时刻视频生成大模子的一个凯旋讹诈价值等于破碎现实的限定，极大裁减确凿场景复现难度。（为更好呈现尤洋的不雅点，量子位在不变嫌本心的基础上作念了如下梳理）

3年后或是视频大模子的GPT-3.5时刻

今天相配振奋来到量子位大会，相配振奋和公共疏导，今天讲一下咱们在视频大模子界限作念的一些责任。

当先是我和我的创业公司潞晨科技的先容。我从UC伯克利毕业到新加坡国立大学任教，很运道创办了潞晨科技。

咱们之前是作念算力优化的。2018年谷歌打造了宇宙上第一个千卡集群TPU Pod，其时宇宙上最大的模子还是BERT。咱们匡助谷歌，将（其时）宇宙上最大模子的查验时间从3天压缩到76分钟。

也很运道，客岁华为盘古大模子的一个责任亦然咱们通盘来作念的，并获取了ACL最好论文。咱们的本事匡助华为盘古大模子在查验中更高效。微软、英伟达等公司团队也使用了咱们的本事作念一些漫衍式查验，咱们但愿让大模子查验更快、老本更低。

步入今天的话题，来重心先容一下视频生成大模子。

咱们打造了一个家具叫Video Ocean，当今正处在测试阶段。先来先容一下家具，后头再筹商我以为视频大模子将会如何发展。

当先，我以为视频大模子第一个紧迫的方面是，它应该能够落幕良好化的文本适度。

其实咱们今天齐在用AI去生成大模子了，咱们确定但愿它能够精确反应出念念要的东西。但很缺憾，比如当今用文生图APP去生成图有顷，还是会发现许多图片践诺无法作念到精确适度，是以我认为这方面还有很大的发展空间。

在Video Ocean模子查验历程中，咱们作念了一些初步探索。一个比拟好的例子，咱们能够精确地提供一些形色，戴着墨镜，长的胡茬的欧洲男东说念主。了然于目这个视频内部照实是咱们念念要的阿谁嗅觉，蓝天、海岸、沙滩、背光、单手握相机、玄色T恤，也有对着镜头讲话。

我认为AI视频大模子已往3年可能最紧迫的还是落幕视频大模子的Scaling Law。

这个历程不需要相配炫酷的家具才气，最紧迫的是把它的模子与现实宇宙的联接才气作念到极致。我以为最终步地等于东说念主们说一段话、给一段形色，它能精确地把形色以视频的神志展示出来。

是以我以为已往3年，AI视频大模子就像山姆·奥特曼说的那样，今天是Video的GPT-1时刻，可能3年后到视频大模子的GPT-3.5、GPT-4时刻。

这里展示一下Video Ocean的Demo，刻下咱们作念到了这么的水平。

第二点是已往视频大模子若何能够落幕恣意机位、恣意角度。

当今拍电影、拍记载片可以拿入辖下手机、录像机不停地晃，念念如何晃就如何晃，这么是对镜头有确凿适度的。已往AI视频大模子，当先应该作念到这少许，相通的形色，换一下角度、换一个镜头，它的形象是不应该变嫌的，它等于相通一个物体。

更进一步讲，已往AI视频大模子还能颠覆许多行业。比如当今看足球、看篮球赛，咱们看到的镜头是现场编导给咱们看的镜头。他给咱们看出路、近景。

已往能不成依靠AI视频大模子，东说念主来适度镜头，决定念念要看哪，尽头于在开拓场里可以蓦然迁移，迁移到教师席、终末一转、第一转。恣意机位、恣意角度的适度。我以为已往AI视频大模子在这方面亦然相配关键的，天然天然VideoOcean当今作念了一些尝试，初步成果还是可以的。

我以为第三点紧迫的是变装一致性。

因为作念出AI视频大模子，最终确定是需要产生营收、落幕变现的。谁会自负为这个付费，比如告白责任室、告白商、电商博主、影视行业。若是深刻这些行业的话，一个关键点是变装一致性。

比如一个家具的告白，确定从新到尾这个视频中的一稔、鞋、车，形貌不成有太大变化，物体变装保握一致性。

拍一部电影，从来源到收尾，主演的形貌、关键破碎的形貌确定也不成变化，在这方面Video Ocean也作念一些很好的探索。

再一个是作风的定制化。咱们知说念当今演员东说念主工老本是相配贵的，说念具老本也很高。

已往3年之内，若是AI视频大模子正常发展，我嗅觉会有一种需求，比如一个导演可以让一个演员在拍浮池里拍一段戏，然后拿到素材通过AI将它转成泰坦尼克场景下的拍浮，转成阿凡达场景下的拍浮，这种才气反而是AI最擅长的。赋予电影感、艺术感的画面。

总之大模子一个凯旋的讹诈价值等于破碎现实的限定，能够极大裁减确凿场景复现的难度。

可能之前公共听过一个段子，好莱坞导演念念制造一个爆炸镜头，他算了一下预算，第一种决议是盖一个城堡把它炸掉，第二个决议是用操办机模拟这个画面。老本算下来之后，发现这两种决议的老本齐很高，其时用操办机模拟的老本更高，当今AI等于要大幅裁减大模子关于生成电影的老本。

若是这少许落幕后，咱们可以不受时势、天气等外部要素的限定，并减少对确凿演员的依赖。这倒不是抢演员的饭碗，因为一些关键镜头是相配危境的，比如演员跳飞机、跳楼，演员去援手行将引爆的炸弹之类，这种镜头已往只需要演员的身份和肖像权，AI可以把这么的镜头作念好，是以对电影行业能够极大作念到降本增效。

正如昆仑万维方汉真挚刚才说的，固然咱们的操办资源有限，然则咱们发现通过更好的算法优化照实能够训出更好的成果，比如Meta使用6000多个GPU查验30B的模子，最近咱们会在一个月内发一个10B版的模子，咱们仅用了256卡。

Video Ocean前身是咱们团队先打造了一个Open-Sora的开源家具，这个开源家具是透彻免费的，在Github上，成果相配可以，比如好意思国独角兽Lambda labs作念了一个火爆的讹诈数字乐高，其实这个数字乐高级于基于Open-Sora作念的。

本年龄首Sora出来之后，各式短视频巨头齐对视频大模子这一块比拟疼爱，比如中国的快手、抖音，好意思国等于Instagram、TikTok、SnapChat，这可以看到SnapChat的视频模子也在早些时候发布了，叫Snap Video，这是它的官方论文，他们就援用了咱们查验视频大模子的本事，是以说这些本事也匡助一些巨头确凿把视频大模子训得更快，精度更高，智能进度更高。

谢谢公共！

萝莉sex

点击https://video.luchentech.com可体验Video Ocean更多综合才气巨乳 gif