视频生成模型大战开启，谁能笑到最后

视频生成模型的兴起

在当今的科技世界中，AI的发展可谓是日新月异。其中，视频生成模型成为了一个备受瞩目的领域。今年以来，越来越多的公司纷纷投身于视频生成模型的研发，使得这一领域呈现出一片繁荣景象。

MiniMax的入局

8月31日，MiniMax这个一向低调的“AI六小龙”之一，首次正式对外亮相，并在上海举办了“MiniMaxLink伙伴日”活动。其创始人闫俊杰宣布推出视频生成模型和音乐模型，还预告了新版对标GPT-4o的大模型abab7即将发布。

Video-1的特点

MiniMax推出的视频生成模型video-1具有压缩率高、文本响应好和风格多样的特点，能够生成原生高分辨率、高帧率的视频。目前虽然只提供了文生视频功能，但未来会不断迭代，增加图生视频、可编辑、可控性等功能。

行业的整体态势

自2月OpenAI发布视频大模型Sora以来，行业内众多知名企业纷纷跟进。4月生数科技发布视频大模型Vidu，6月快手发布AI视频生成大模型可灵，7月Runway宣布文生视频模型Gen-3Alpha向所有用户开放使用……短短几个月内，几十款视频生成模型相继问世，这无疑是AI视频生成领域的一个历史性时刻。

视频生成模型的体验与效果

用户体验

目前，所有用户都可以登录海螺AI官网体验video-1的视频生成功能。记者现场体验发现，输入简单的提示词，大概等待1-2分钟，就能生成6秒的视频。从输出效果来看，画面基本覆盖了提示词的要点，高清、色调审美合格，但人物面部细节仍有待改进。

效果评估

虽然视频生成模型取得了一定的成果，但距离用户的理想预期仍有差距。模型在生成过程中往往存在不懂物理规则、难以控制等问题，容易出现多出或少出东西、手穿模等结构性和细节性错误。

视频生成面临的挑战

技术难题

视频生成的工作复杂度远超文本生成。视频的上下文文本天然很长，输入和输出的数据量巨大，这对数据处理、清洗和标注提出了极高的要求。而且，之前基于文本建立的底层基础设施在处理视频数据时不太适用，需要进行升级。

开源困境

与文本生成领域不同，视频生成领域的开源内容相对较少。这意味着企业在研发过程中，很多工作需要从头开始，需要付出更多的耐心和努力。

视频生成的未来展望

行业变革

启明创投认为，结合3D能力，可控的视频生成将对影视、动画、短片的生产模式带来变革。未来图像和视频隐空间表示的压缩率有望提升五倍以上，从而使生成速度大幅提高。

发展前景

尽管当前面临诸多挑战，但随着技术的不断进步和创新，视频生成模型有望在未来取得更加出色的成果，为人们的生活和工作带来更多便利和惊喜。

什么是视频生成模型？

视频生成模型是利用人工智能技术，根据输入的文本、图像等信息生成视频内容的工具。

MiniMax的视频生成模型有何特点？

MiniMax的video-1模型具有压缩率高、文本响应好、风格多样的特点，能生成高分辨率高帧率视频，目前只有文生视频，未来会增加更多功能。

目前视频生成模型的效果如何？

目前能生成基本覆盖提示词要点的视频，但存在不懂物理规则、难控制、细节不足等问题，距离理想预期有差距。

视频生成面临哪些技术难题？

工作复杂度高，数据量大，上下文文本长，底层基础设施需升级，且开源内容少，很多工作要从头开始。

视频生成的未来会怎样？

有望对影视等领域生产模式带来变革，压缩率和生成速度会提升，尽管当前有挑战但前景乐观。

为什么众多公司纷纷涉足视频生成模型？

因为人类社会信息多体现于多模态内容，为提高用户覆盖度和使用深度，输出多模态内容是必然趋势。