更多AI干貨：

大半夜的，OpenAI 的垃圾直播沒任何看頭，就發(fā)了個(gè)個(gè)性化的 AI 搜索。

但是，Google 沒有預(yù)告、沒有營銷，默默的在 X 上發(fā)了兩個(gè)大貨。

當(dāng)今最先進(jìn)的 AI 視頻模型 Veo 2，還有 AI 繪圖模型 Imagen 3 改進(jìn)版。

我們一群人，一邊看效果，一邊不斷的驚呼臥槽。

我?guī)缀鯊膩聿皇褂谜堰@個(gè)詞，但是 AI 視頻 Veo 2 的效果，真的讓我有點(diǎn)想歡呼，甚至，有點(diǎn)像 2 月 16 號(hào)那個(gè)宿命的一夜，看 Sora 的感覺。

一個(gè)一個(gè)來說。

一、AI 視頻 Veo 2

不說廢話，先看視頻。

說實(shí)話，這些視頻，我都不愿意轉(zhuǎn)成 gif，而是直接傳視頻上來給大家看。

這個(gè)審美、這個(gè)穩(wěn)定性、這個(gè)真實(shí)質(zhì)感、這個(gè)物理規(guī)律，當(dāng)?shù)闷甬?dāng)今最強(qiáng)的稱號(hào)。

真的，物理之神，特別是那個(gè)切番茄的視頻，我一度真的懷疑是實(shí)拍的，太恐怖了。

而且，我看了一圈 Prompt，發(fā)現(xiàn)對拍攝風(fēng)格、角度、運(yùn)動(dòng)等等的語義理解，都極佳。

比如這個(gè)汽車飛馳的視頻，Prompt 里寫的就是：

“低角度跟蹤鏡頭，18mm 鏡頭。汽車漂移，留下光線和輪胎煙霧的軌跡，創(chuàng)造出視覺上引人注目且抽象的構(gòu)圖。相機(jī)低位跟蹤，捕捉到流線型的橄欖綠色肌肉車駛向一個(gè)拐角。當(dāng)汽車進(jìn)行戲劇性的漂移時(shí)，鏡頭變得更加風(fēng)格化。旋轉(zhuǎn)的輪子和翻滾的輪胎煙霧，在周圍城市燈光和鏡頭光暈的照射下，形成了在黑色瀝青上劃出的光線和色彩的條紋。城市景觀--黃色出租車、霓虹燈和行人--變成了模糊的抽象背景。體積光照增加了深度和氛圍，將場景轉(zhuǎn)變?yōu)橐粋€(gè)視覺上引人注目的運(yùn)動(dòng)、光線和城市能量的構(gòu)圖?！?/p>

有那么多的開車的 AI 視頻鏡頭，而這，是我看過的最好的，沒有之一。

還有，能直接對一個(gè)運(yùn)動(dòng)的物體，用 Prompt 來對其進(jìn)行超級(jí)穩(wěn)定的多輪材質(zhì)變化。

穩(wěn)定到起飛，這也是我第一次，能在 AI 視頻里，見到如此穩(wěn)定的特效變換的。

Google 自己也做了一個(gè)人類觀察者的評測，通過 Meta 發(fā)布的基準(zhǔn)數(shù)據(jù)集 MovieGenBench，做了 1003 個(gè)數(shù)據(jù)，來讓大家盲測，哪個(gè)效果更好。

最后得到的結(jié)果，是這樣的。

這塊我稍微解釋一下，有兩個(gè)表，分為 Overall Preference（整體偏好度）和 Prompt Adherence（提示匹配度）。

每個(gè)圖表的橫軸表示不同的被對比模型，分別是 Meta、可靈 v1.5、Minimax、Sora Turbo。

Google 做的是把 Veo 2 跟這些模型做點(diǎn)對點(diǎn)的盲測。真的，國產(chǎn)模型居然也能作為對比基準(zhǔn)了，突然有一股熱血涌上心頭。。。

而每個(gè)柱由三個(gè)部分組成，顏色代表結(jié)果分類：

綠色部分（Veo）：評測者在對比中更偏好 Veo 輸出的比例。

白色部分（Ties）：評測者認(rèn)為兩者不分上下，即沒有明顯偏好的比例。

粉色部分（Other preferred）：評測者更偏好另一模型（非 Veo）的比例。

以 Google DeepMind 濃眉大眼的一貫作風(fēng)，基本不會(huì)造假，所以能看到，Google 的 Veo 2 在大多數(shù)情況下，取得了最優(yōu)結(jié)果。

而在 Google 的評測里，除了 Veo 2 之外，另外四個(gè)模型里，最強(qiáng)的是可靈 v1.5，這個(gè)結(jié)果也是挺有趣的。

而且，有一點(diǎn)是需要注意的，Veo 2，是可以直出 4K 視頻的。

他們在 Youtube 上傳的視頻，也是原生 4K，這個(gè)就非常的恐怖。

他們自己也說，目前最大的難點(diǎn)和限制，還是在運(yùn)動(dòng)上。

原話是：“創(chuàng)建真實(shí)、動(dòng)態(tài)或復(fù)雜的視頻，并在復(fù)雜場景或具有復(fù)雜運(yùn)動(dòng)的場景中保持完全一致性仍然是一項(xiàng)挑戰(zhàn)?！?/p>

來看一下他們的 Badcase。

說是 Badcase，但是我感覺他們發(fā)出來的時(shí)候估計(jì)臉上也都帶著笑，那意思就是：

給你們看看，爺?shù)倪\(yùn)動(dòng)有多強(qiáng)。

有瑕疵，但是對比 Sora 這種，這運(yùn)動(dòng)質(zhì)量，已經(jīng)吊炸天了。

Veo 2 網(wǎng)址在此： https://labs.google/fx/tools/video-fx

需要排隊(duì)，直接填一份表單就好。

按照 Google 的性格，排隊(duì)肯定要不了多久，不是 OpenAI 那種純粹耍猴的，絕不可能一等就是半年，應(yīng)該很快就能用上。

OpenAI 的這波 12 天直播，感覺徹底把路人緣敗光了，之前 Google 一直被 OpenAI 惡心的頭疼，而這次，直接徹底反擊。

你喜歡狙我是吧，來來來，這次 Gemini 2、Veo 2、Imagen 3 我一個(gè)一個(gè)放，你不是喜歡搶熱度嗎？來啊，這次來搶啊，看誰搶誰啊小兔崽子。

老虎不發(fā)威，你還當(dāng)我 Google 是病貓了？

二、AI 繪圖 Imagen 3

除了 Veo 2 之外，Google 這波還直接發(fā)了他們改進(jìn)版的 AI 繪圖 Imagen 3 模型，其實(shí)嚴(yán)格來說，是 Imagen 3-002 模型，Imagen 3 的第二代。

第一代 Imagen 3 是 2024 年 5 月 14 日，在谷歌的 I/O 開發(fā)者大會(huì)上發(fā)的。

半年過去，Google 對 Imagen 3 進(jìn)行了一次大幅的進(jìn)化，推出了改進(jìn)版的第二代，他們自己的評測上，直接屠榜。

網(wǎng)址在此： https://labs.google/fx/zh/tools/image-fx

目前無需排隊(duì)，可以直接玩，而且，免費(fèi)。

直接在輸入框里寫 Prompt，就可以開始玩。

他們這個(gè) Prompt 的設(shè)計(jì)，也很有意思，你可以輸入各種奇奇怪怪的一大串 Prompt，他會(huì)自動(dòng)給你拆解分詞，有點(diǎn)像老羅當(dāng)年那個(gè)膠囊大爆炸的感覺，把一些詞分出來后，給你變成下拉框，自動(dòng)聯(lián)想幾個(gè)其他的選項(xiàng)。

比如我的 prompt 是：

一個(gè)穿著巴斯光年服裝的小黃人，身穿帶翅膀的太空游俠套裝，站在一個(gè)五彩繽紛的玩具店里，指著天空，仿佛準(zhǔn)備起飛，背景是滿滿的玩具架，生動(dòng)而富有活力的風(fēng)格，中景。

一個(gè)非常簡單的 Prompt，我們翻譯成英文后，扔到 Imagen 3 里。

你會(huì)發(fā)現(xiàn)它在運(yùn)行之后，會(huì)給你選中一些詞變成下拉。

比如它把 wings 單獨(dú)拎了出來，你點(diǎn)下拉后。

可以自動(dòng)替換成噴氣背包、火箭助推器、滑板車等等，非常有意思。

我們按照它的聯(lián)想，把背飾換成噴氣背包、背景換成電子游戲機(jī)房、姿勢改成揮手告別，再跑一張看看。

這個(gè)交互，真的很通人性。我太喜歡了。

再放一些我跑的圖。

整體看下來，有一種感覺就是，下限賊低，很吃 Prompt，要是 Prompt 寫不好，那其實(shí)也會(huì)出不少很丑的圖。

但是語義理解真的挺不錯(cuò)的，上限目前沒太測出來，可能還不錯(cuò)。

但是不太適合新手玩。

寫在最后

OpenAI 這段時(shí)間的直播，徹底把人緣敗干凈了。

看了一圈，幾乎都在罵。

不管是國內(nèi)，還是國外。

再遙想今年 2 月 16 號(hào)，Google 的 Gemini1.5 Pro 被 OpenAI 的 Sora 淹的徹底沒了聲量，而現(xiàn)在，整個(gè)局勢，好像反了過來。

甚至，很多人都沒發(fā)現(xiàn)，之前 Sora 的大功臣，都已經(jīng)跳槽到 Google DeepMind 了。。。

營銷這事，真的是一把雙刃劍。

現(xiàn)在這 OpenAI 的局面，真的都是自己造的。

萬物皆輪回。

不要把自己作沒了。

歡迎關(guān)注作者的微信公眾號(hào)：數(shù)字生命卡茲克