视频AI领域正在崛起，多模态技术成为突破口

视频AI领域正在崛起

在当下的AI赛道上，AI聊天、绘画一类的应用，早已枝繁叶茂。然而，在此类同质化应用扎堆的情况下，一类颇有技术难度，也较少被人提及的方向，正在悄然崛起。这就是最能调动人感官的视频AI领域。

根据twitter上的作者Will郎瀚威统计的图表，今年8—9月，各大文生图类AI网站的访问量均开始呈现下降趋势。然而，就在这种情况下，国外知名视频AI网站HeyGen的访问量上升了92%，流量跃居各大独立AI网站之首。那么，为何此前一直默默无闻的视频AI，最近突然异军突起，盖过了风头正盛的文生图类AI应用？而在GPT-4V发布，多模态技术不断取得突破的情况下，这一微妙的变化，又预示着什么？

多模态技术成为突破口

从AI发展的大格局上来说，HeyGen的这波流量上升，或许只是多模态高歌猛进背景下的一个插曲。从谷歌宣布Gemini具有多模态功能的消息，到OpenAI发布GPT-4V，各个AI巨头，似乎都将下一阶段竞争的焦点放在了多模态上。

那为何多模态成了巨头眼中关键的“突破点”？原因或许就在于，其具有打破“专业壁垒”的意义。在多模态尚未取得突破之前，不同模态、领域之间，存在着巨大的鸿沟。写文案，做编辑的人，即使再妙笔生花，如果缺乏相应的美术知识，以及各种专业的提示词，也难以用AI画出出色的作品。而一个画师如果没有受过专业的写作训练，缺乏谋篇布局的思路，也难以凭借AI写出上乘的文章。类似的“壁垒”，在视频剪辑方面，也同样存在着。

根据知乎上一位视频剪辑方面的从业者介绍，一个完整的视频剪辑流程，包括了调色、整理素材、配字幕等一系列工作，要想熟练地进行剪辑，必须掌握PR、Edius、剪映等多种剪辑软件，同时还需熟悉各种转场、调色、粒子特效等插件的使用。如果想让视频呈现更丰富的效果，还要掌握b-roll转场、字幕遮罩、坡度变速等复杂的操作。此外，素材的搜集和整理，也是剪辑工作中的一大“苦活”，倘若题材较为冷门，素材就会很不好找。有时尽管遇到了好的素材，也可能由于版权问题难以使用。

正是由于上述原因，视频剪辑，注定不是一个简单的、易于掌握的技能。以国内知名网站B站为例，据一位B站上百万粉丝的UP主团队透露，为了保证视频更新的效率、质量，这些账号往往会配备数名较为熟练的剪辑人员，轮番进行剪辑。那么，倘若有一种智能化的AI剪辑应用，能根据创作者想表达的思路，自动、高效地完成整个视频的制作，视频制作领域，又会发生怎样的颠覆呢？

HeyGen：视频AI的代表

HeyGen是国外知名视频AI网站，其最大的特点是可以利用现有数据来创造全新和从未有过的内容。以往的类似应用，例如D-ID，虽然也能让用户从照片或者AI形象中生成视频，但是这样的技术，更多是基于复制或处理已有的内容的AI技术。这些技术虽然也可以制作视频，但是需要用户提供自己的照片或录音，或者从D-ID提供的一些固定的AI形象中选择。这样就需要用户花费更多的时间和精力来准备和上传素材，也限制了用户的选择和定制空间。

而相较之下，HeyGen的技术则可以让用户从文本中直接生成视频，并使用多种不同的AI形象和声音。目前，HeyGen提供超过100+数字人素材和模板，广告、电商、新闻等一应俱全，也可以自己编辑PPT生成。同时，HeyGen还支持300+不同音色和40+语言，以及视频翻译功能。通过这种定制化的、排列组合的方式，HeyGen可以快速、精简地制作出各种适用于多种场景的视频。

视频AI技术的趋势

从以上视频AI的技术特点中，我们至少可以总结出目前视频AI技术的两大趋势：1、制作流程极大简化；2、内容的多样性和定制性。这是以往受限于已有素材的单一模态技术难以实现的。

在上述两大趋势中，目前国内视频AI应用，只勉强做到了“简化”这一步。虽然国内目前也有一些与HeyGen类似的AI视频应用，但在具体的生成效果方面，国内应用的视频清晰度、素材丰富度，以及定制化功能方面，仍与HeyGen等应用有着较大差距。

如果说，在本轮AI革命中，国内视频AI技术仅仅止步于“降本”这一环节，从长远来看，是远远不足以征服智能化时代的观众的。要想让作品具有感情和灵魂，除了一个劲儿地“降本”之外，在个性化、拟真度，以及素材丰富性方面，国产视频AI还有很长的路要走。