起點課堂會員權益
職業體系課特權
線下行業大會特權
個人IP打造特權
30+門專項技能課
1300+專題課程
12場職場軟技能直播
12場求職輔導直播
12場專業技能直播
會員專屬社群
榮耀標識騰訊版Sora姍姍來遲，但登場就是王炸
騰訊在人工智能領域的最新動作再次吸引了行業的目光。繼AI工作臺ima.copilot之后，騰訊推出了AI視頻生成功能——混元（HunYuan Video），在騰訊元寶APP內亮相。這一功能的推出，不僅展示了騰訊在AI視頻生成領域的技術實力，也預示著國產AI視頻生成技術競爭的新篇章。
年末補課AI的騰訊，在各條細分賽道快速追進。
繼11月推出AI工作臺 ima.copilot 之后，12月3日，已有劇透的AI視頻生成功能終于被鵝廠放出，官方名稱仍是混元（HunYuan Video），目前可在騰訊元寶APP內體驗，
3號發布當天，用戶僅有三次體驗機會，包括一次高品質生成；4號騰訊增加了體驗次數，改成了每天四次標準+兩次高品質，總共六次，直接翻了一倍。
騰訊元寶-AI應用-AI視頻
直接看演示：模型成功理解了提示詞中外部全景到內部近景的視角切換，質量也比較不錯。
提示詞：一座懸浮于云端的未來都市，高樓大廈皆由透明能量晶體構建。全景展現都市的宏偉，飛行器在樓間穿梭。隨后拉近鏡頭至一個神秘的科技實驗室，一位年輕的女科學家身著銀色防護服，正在操作一臺散發著幽藍光芒的大型儀器，特寫她專注的眼神與儀器上閃爍的復雜數據符文，整體畫面以冷色調為主，科技感。
必須承認，大廠就是大廠，技術能力方面事兒大可不必擔心。
一、可玩性很高的模型
視頻生成大模型曾在今年年中經歷過一段時間的集中發布，大廠和初創公司接連掏出了自家版本的“Sora”。
行業短暫沉默幾個月之后，騰訊進場似乎預示著新一輪國產Sora競爭的開啟（豆包和Kimi近期也都有動作）。
只不過，或許是用戶等得太久熱情太高，又或許是騰訊算力準備不夠充足，混元大模型生成視頻的等待時間，一度格外漫長：之前體驗過的模型最多十幾分鐘也就出來一條了，而發布當天的混元大模型，想體驗需要做好等幾個小時的準備。
12月3日 等待超過一小時
好在，后續官方應該是對算力進行了優化，或者單純加開了一些服務器，等待時間過長的問題已經解決。
12月4日 等待不超過十分鐘
以及，生成的視頻質量在線，不然用戶體驗真的會嚴重扣分。
提示詞：一位身著古裝的書生在庭院中散步，中景呈現書生手持書卷，步伐輕盈。隨后切換到近景，聚焦他抬頭思考，鏡頭以平移運鏡為主，跟隨書生的行動軌跡。
與目前市面上已有的快手可靈、字節即夢、MiniMax海螺和智譜清影相比，騰訊混元在“高級指令”里給出的調節選項最為全面，包含風格、比例、景別、光線和運鏡五個類別。
上面這段提示詞，本身已經給了鏡頭視角的設置（可惜這次AI并沒有做出來切換效果），在下面的“高級指令”選項里，除了打開所有能增強質感的開關外，只額外設定了一個“自然光”。
混元AI視頻 高級指令界面
同賽道其他產品，雖或多或少都會給一些預設選項，但對比混元都相對有限。
從左至右依次為即夢、海螺和清影
更新后的可靈1.5模型，在PC端選擇高品質模式下，額外增加了運鏡控制選項，標準模式目前不支持調節。
可靈1.5
顯而易見，混元視頻模型最大限度的把AI創作的控制權開放給了用戶，有點類似能在手機里找到的“開發者模式”，用戶可以對很多進行細節具體設置，再交由AI執行命令。
這種自由度帶來的可玩性，理論上會非常高。
比如，用不同畫風和景別跑同一段提示詞，最終給出的視頻會有明顯區別，但帽子等等細節又都能呈現。
賽博朋克 近景 明亮
寫實風格 廣角 柔和提示詞：車水馬龍的時尚都市街頭，站著一位背著專業相機、身著個性潮牌服飾且頭戴時尚棒球帽的年輕攝影師，他微微仰頭，尋找拍攝充滿現代活力與時尚氣息的城市街頭夜景。
混元模型對這些預設的執行力尚可，要求基本都加進去了，第二段還用了類似延時攝影的效果，這種“可玩性”帶來的好處就是，用戶可以拿同一段提示詞組合出很多完全不同的視頻內容，獲得更大的調整空間。
這帶來的應用潛力，非?？捎^。
二、AI視頻離能用還有多遠？
當然，如果真的要AI視頻可用，風格是只是大面，畫面一致性等等細節還是最終的決定因素。
從以往大量案例中不難看出，手部等四肢部位的生成一直是視頻生成模型的薄弱環節。AI在生成這些細節時常常出現問題，例如人物出現六根手指，或者四肢部分扭曲變形等情況。
本身AI對肢體細節的刻畫就是難點，在文生圖模型上已經頗為明顯，而視頻生成對動態性和連續性的要求，又進一步放大了這種困難。
驚喜的是，諸如手部畸變、面部不自然等問題，在混元模型中幾乎沒有出現，前面幾個案例中，人物面部在運動過后未有太多明顯不合邏輯的變化，人物的動作姿態，身體其他部位與物體及周圍環境存在的交互關系也比較合理。
下面這個片段構圖看起來并不復雜，但細節絕對可以算得上驚艷。
提示詞：一位住在木屋的中年人，睡醒后從床上坐起來，雙手抱頭，表情失落。近景 / 自然光 / 固定鏡頭
人物面部表情，手指運動和雙手抱頭的過程，毛發細節的處理近乎以假亂真。
模型需要對細節有更深入的理解和精準的把握，才能生成趨近現實的人物動作。這種細節部分的穩定連貫，讓混元生成的視頻前后畫面一致性相當不錯——主體、場景、風格、運鏡、光效等方面都能保持一致，觀感上就會比較流暢、自然，減少畫面的“AI味”，那種肉眼可見的突兀變化。
不過，以目前視頻模型所能生成的短短幾秒內容為樣本，包括畫面也包括時長，AI視頻未來一段時間內仍會是以技術探索為主，或者在一些例如廣告片的設計中作為補充元素，離獨當一面還有不小距離，成規模的商業化仍有難度。
既然難以直接實現盈利，不妨先把用戶和開發者生態盡可能打開，騰訊就選擇開源了這個參數量達130億的HunYuan Video模型。
吸引更多用戶和開發者，集思廣益探索基于模型所能衍生出的創新應用與新穎玩法，或許才是破局的關鍵所在。
編輯|魏曉
本文由人人都是產品經理作者【陶然】，微信公眾號：【AI藍媒匯】，原創/授權 發布于人人都是產品經理，未經許可，禁止轉載。
題圖來自Unsplash，基于 CC0 協議。
騰訊混元AI視頻生成功能的推出，不僅展示了其在AI領域的技術實力，也為AI視頻生成技術的發展提供了新的方向。