AI好好用报道
编辑：杨文
腾讯混元生成的AI电影镜头，让我想到《天使爱美丽》、《花样年华》。
从上周六开始，AI 视频圈又炸锅了。
先是 Runway 三天上新两次，Luma 全力狙击；紧接着 Sora 意外泄露三小时，网友们疯狂整活。
国内的 AI 厂商也没闲着。
最让人惊喜的是，腾讯混元å也下场搞视频生成模型了。
目前，该视频模型已经开启小范围内测。我们在第一时间拿到体验资格。
与其他视频生成模型类似，仅需输入一句提示词，腾讯混元就能生成一段 5 秒视频。
它支持中英文输入，还有 5 种画面尺寸可供选择。
先放几个视频给大家「尝尝鲜」：
繁华的巴黎，一个头戴棕色贝雷帽的男人正坐在咖啡馆里沉思。
一位年轻时髦的女人走向窗边，然后转身凝视旁边的男人，动作流畅自然。
两位小姐姐坐在街边相顾无言，镜头切换、人物神态简直和电影别无二致。
接下来，我们就全方位测评一番。
-1-
画质
不得不说，混元视频模型生成的画面太有电影感了。
提示词：一个电影般的背后跟随镜头，拍摄一名女警背对着我们穿过夜晚的事故现场。
画质高清稳定，人物动作流畅。四处停放的警车，闪烁的警灯，勘查现场的警察…… 好莱坞元素拉满。
提示词：一个电影般的背后跟随镜头，拍摄消防员背对着我们穿过熊熊烈火。
生成三个镜头，每个镜头都很有故事性。
混元很会控制景深。虚化的背景，让主体运动更加突出，火焰的光影在消防员身上舞动，形成一种强烈的视觉冲击。
再来个科幻风格的电影。
提示词：夜晚，一个机器人正行走在繁华的大街上，昏暗，近景镜头，科幻，生动，赛博朋克，高质量。
这个长得像擎天柱一样的机器人，漫步在人潮涌动的大街上，脑袋还时不时左右张望。
镜头随着机器人的移动而微微晃动，使得画面更具真实感。
提示词：一个男人坐在咖啡厅里喝咖啡，柔和，近景镜头，休闲，现代，电影风格，高质量。
视频中，男人从端起咖啡、抿了一口到缓缓放下杯子，整套动作一气呵成。
男人的眼神、表情也生成得很是逼真，手指也没出现明显的 bug。
-2-
镜头切换
混元最值得称道的，还是原生镜头切换效果。
它能够自动生成同一主体在不同视角下的镜头，并在视频中进行切换，以增强画面的叙事感。
要知道，在此之前，只有 Sora 具备这种镜头切换效果。
比如下面这个视频中，最初是个中景镜头，女人正手撑下巴思考，啪一下镜头转换成女人面部大特写，深邃眼眸、烈焰红唇，再接着，镜头又切换到城市街景。
（提示词：一个极端特写镜头，聚焦于一位时髦的美丽女性，她坐在咖啡馆里，深陷沉思，镜头切换到城市的街景，景深效果，电影般的 35 毫米胶片质感，光线非常具有电影感。）
再如，雨滴打在玻璃上缓缓滑落，下一秒镜头就转到窗外，男人撑着一把红色的伞站在大街上，整个画面很有氛围感。
（提示词：雨滴敲打着窗户，镜头切换到下雨的大街上，有个男人正撑着一把红色的伞，站在大街上 Overcast Somber Cinematic High-quality Modern Style）
-3-
运动效果
流畅的视频运动可以提供更加连贯和平滑的视觉体验，能够增强角色动作的真实感，因此，各家的视频生成模型均在画面运动上「做文章」，腾讯混元也不例外。
他们在运动一致性方面下了功夫，减少了物体变形和运动不连贯的问题。
提示词：日落时分，一只乌龟在黑色沙滩上爬行。
虽然混元生成的画面运动幅度大，但海龟爬行的动作，以及沙滩场景变化自然真实，没有突兀的跳跃和不连贯。
我们又用 Sora 经典提示词试了下。
提示词：A litter of golden retriever puppies playing in the snow. Their heads pop out of the snow, covered in.
中文提示词：一窝金毛猎犬小狗在雪地里玩耍。它们的头从雪地里冒出来，浑身都是雪。
两只小狗抬爪子、啃咬的动作很逼真，身上的雪花也随着打架的动作抖落。
此外，它还能生成包含多个连贯动作的视频。
提示词：男人走出卧室，关上门，看到一只可爱的毛茸茸的生物。
提示词：女人摘下墨镜，看着对面的男人笑了，光线柔和，愉快，现代，电影风格，高质量。
-4-
语义理解
混元视频生成能力对提示词撰写的精细度与准确度要求较高。用户可以进行细致的刻画，例如生成主体的细节，人物概念的组合等。
面对又长又复杂的文字描述，混元基本能 get 到信息并进行输出。
提示词：一支穿着厚重冬季装备的极地探险队，在呼啸的暴风雪中艰难前行，几乎无法透过雪花看清彼此，冰柱附着在他们的胡须和派克服上，他们的脸上显露出坚定的决心，摄像机捕捉到一个中景镜头，展示了他们周围风暴的强度，寒冷、柔和的光线增添了一种孤立和坚韧的感觉。
提示词：日出时分，色彩鲜艳的热气球飘过广阔的非洲大草原，成群的大象和瞪羚在下方的草原上移动。远处，乞力马扎罗山的影子映衬着粉红色和橙色的天空。
经过多轮测评，总体来说混元视频生成模型还是有些本事傍身的，尤其是电影级画质和原生镜头切换，效果相当能打。
和其他视频生成模型一样，它也有不少小「毛病」。比如，每次生成内容具有不确定性，生成结果无法达到 100% 可控，同时输入多个实体，可能不会都生成出来，颜色和数量也未必匹配等。
不过混元大模型仍在升级和调试中，未来或许有更好的表现。
以后我们会带来更多好玩的AI应用，也欢迎大家进群交流。
文中视频链接：https://mp.weixin.qq.com/s/cwoCu1umcJrRxhGLZLHYOw
