国产视频大模型再次卷出「新高度」。
前脚快手可灵升级完 1.5 模型，后脚字节就正式进军视频生成。
几乎同一时间，美图公司也突然宣布，自家的奇想大模型（MiracleVision）视频生成能力已完成全面升级。
具体而言，它不仅单次文生视频时长、单次图生视频时长均达 5 秒，还支持 1 分钟、帧率 24FPS、分辨率 1080P 的超长视频生成。
而更让人惊喜的，则是它超强的风格化。
比如，写实风格的熊猫，坐在墙根上弹着吉他：
动画风格的酷女孩，戴着墨镜，边走边喝咖啡：
卡通风格的大黑牛骑着心爱的小摩托狂飙：
毛毡风格的农夫和小兔：
还有最惊艳的中国风。一位古风美女，忽闪着俩大眼睛，眉一挑，手一摊，脸上露出骄傲不屑的神情。
目前，
美图奇想大模型
全新视频生成能力已在
MOKI上线，后续将逐步覆盖到美图秀秀、美颜相机、Wink、开拍、美图设计室、WHEE等产品。
接下来，我们将从写实、动画、国风、风格化、
人像
等维度，对它来一个全方位的测评。
写实风格：重现真实物理规律
AI 生成写实视频时，经常会遇到肢体变形、动作卡顿等问题，而美图的奇想大模型在复杂 3D 时空精准重构基础上，视频生成能够重现真实物理规律，支持大幅度流畅运动。
例如，这段 Sora 的经典 Prompt，就是对大幅度流畅运动的考验：
一辆白色的越野 SUV，疾驰在蜿蜒的崎岖山路上，周围是郁郁葱葱的灌木丛。
奇想大模型不仅完美遵循文字指令，还体现出诸多小细节：
通过车后泛起的尘土体现越野车的速度，逆光拍摄时画面出现的光斑等。
再比如，Prompt：
稳定拍摄的运动镜头，在户外的一只棕色皮毛的小松鼠，从画面的右边一路向右边跳跃，动作敏捷。
这只身手矫健的松鼠，前肢抬起，后肢发力，腾空跳跃，四只爪子配合协调，尾巴随之摇晃，触碰到的树叶也会弹动。
倒牛奶是一个包含复杂物理交互和视觉细节的场景。
我们输入 Prompt：
一只手平稳地将银色水罐中的牛奶倒入透明高脚杯中。
奇想大模型正确模拟了牛奶从容器中倒出、流动和最终落入杯中的过程。
动作在时间上保持连贯，牛奶的流动没有出现突然的中断或不自然的加速，并且正确模拟出液面的上升和下降。
再来看看这段玫瑰花蕾盛开的延时摄影。
花朵开放有一定生物学规律，并且需要理解和表现出延时摄影被压缩的时间感。
奇想大模型生成的视频，不仅真实，还捕捉到动态的花瓣伸展的细节。
下面这段万马奔腾的航拍镜头也相当震撼。
Prompt：
航拍镜头，从空中俯瞰到一群活力四射的骏马在一片辽阔的大地上飞驰而过，鬃毛和马尾随风飘扬。
近 20 匹毛色各异的骏马，驰骋在一望无际的草原上，它们四蹄翻飞，鬃毛和尾巴随风飘扬，还展现出优美的肌肉线条。
即使是多主体、大幅度运动，奇想模型生成的画面仍表现稳定，几乎无虚化扭曲。
我们继续输入 Prompt: 一只戴着红项圈的橙色虎斑猫坐在床上，正看着熟睡在蓝白条纹羽绒被下的女生。
奇想大模型生成的画质清晰，猫咪毛发透着光泽，胡须根根分明，女主人手指也没有明显的 bug，甚至它还生成了人物由于侧躺产生的脖颈上的皱纹。
随着镜头缓慢推进，猫咪转过脑袋，项圈上的金属环也随之摆动，其动作自然连贯。
除了运动流畅外，奇想大模型还能进行复杂的语义理解。
比如 Prompt：
静态广角镜头，在一个日常生活的家中，一只棕色的小狗坐在扫地机器人上随着它移动，在家中打扫卫生。
在这段文字指令中，既有镜头的要求，还有主体、动作以及场景的限制。
奇想大模型均 get 到了。
在这个低机位广角镜头中，一只小狗坐在工作着的扫地机器人上，左瞅瞅右看看。
镜头随着扫地机器人的运行轨迹而移动，扫摄到房间里的沙发腿、略显杂乱的飘窗等，要不是画面开始右上角人物的脚有些别扭，真以为是实拍。
不得不说，奇想大模型对于动物的神态和动作，捕捉得也相当到位。
这只变色龙的特写镜头中，其眼珠转动，嘴巴微张，以此来体现其警惕的神态，而且变色龙颗粒状、粗糙的皮肤也生成得很逼真。
（Prompt：特写镜头，一只身上有绿棕色条纹的变色龙栖息在一根树枝上，它的目光充满警觉性，盯着镜头。）
梅花鹿竖起的耳朵，然后突然转身离开的神态，简直复刻出真实小鹿的反应。
（Prompt：寒冷的冬天，一只鹿站在结霜的田野里，远处有蓝天、枯树和山脉，四周很宁静，鹿的皮毛上沾满了雪，它竖起了耳朵警觉地凝视前方，接着转身向田野远方走去。）
动画风格：拥有超强艺术审美
众所周知，制作一部精美的动画，那是相当费时费力，即使是宫崎骏这样的大师，也不例外。
《你想活出怎样的人生》耗费 7 年之久，《起风了》打磨了 2 年，仅关东大地震的 4 秒镜头，宫崎骏就「死磕」了 1 年零 3 个月。
不过有了 AI，大部分的「体力活」都可以被自动化。
就拿奇想大模型来说，曾经一个团队需要吭哧吭哧干几个月的活儿，现如今，只需上传一张图片，或者输入一段提示词，它几分钟就搞定。
例如，我们输入提示词：
动画风格，一个小男孩和一个小女孩正坐在树下吃西瓜。
奇想大模型生成的视频中，两个小孩眨着大眼睛，脸上带着天真无邪的笑容。
他们捧着半拉西瓜，红色的果肉在阳光下显得格外诱人，还有西瓜籽点缀其间。
画风温馨治愈，极具美感。
再如，手拿面包的小女孩，竟有了一种宫崎骏的感觉。
小女孩拿起一块面包，然后将其丢到另一只手上，虽然动作幅度较大，但画面并没有崩坏。
我们还上传了一张图片，并输入提示词：
公交车在乡间小路上行驶。
随着公交车的前行，镜头开始轻微晃动，模拟着跟拍的效果。
为了营造出乡间小路的坑坑洼洼，奇想大模型还让公交车呈现出颠簸的效果。
还有火车在白雪皑皑的林海中穿行：
一艘小船驶向岸边：
小狗在家门口「汪汪」直叫，然后撒腿就跑：
国风：最懂「中国味」
要说奇想大模型最拿手的，非国风莫属。
先给大家看两组镜头：
（动图来自《白蛇・缘起》）
猜猜哪个是奇想大模型生成的？
答案是：
第一个。
要想有地道的「中国味」，AI 需要理解中国传统文化的元素和美学。
奇想大模型生成的国风动画中，女孩身着中国传统服饰、梳着结鬟式发髻，身后古朴的木屋也有着中国独特的韵味。
同时，它对于细节的处理也相当精细，人物表情灵动，服饰纹理细腻，甚至还能模拟出光照和色彩的自然过渡。
而在国风人物群像中，奇想大模型表现也很出彩。
