在社交媒體上瀏覽，不難發(fā)現(xiàn)，許多制作精良的視頻已經(jīng)不再單純依賴于人力創(chuàng)作，AI技術(shù)已經(jīng)悄然滲透到了這一領(lǐng)域。然而，對(duì)于創(chuàng)作者而言，盡管AI能夠輕松生成美輪美奐的畫面，但在對(duì)白的處理上卻始終是一道難以逾越的坎。
想象一下，當(dāng)你希望AI為你生成一段雨中分手的戲碼，畫面中的男女主角情感糾葛、雨水滂沱，但他們對(duì)白生硬、語調(diào)不自然，瞬間就將你從劇情中拉了出來。這，就是當(dāng)前AI視頻生成面臨的最大挑戰(zhàn)之一——如何處理包含復(fù)雜情緒的中文對(duì)白。
近日，百度發(fā)布的蒸汽機(jī)（MuseSteamer）視頻模型2.0似乎正是為了解決這一痛點(diǎn)而來。其最大的亮點(diǎn)在于，這是全球首個(gè)中文音視頻一體化生成技術(shù)，號(hào)稱是吃“中文語料”長大的，能夠一步到位地生成音畫同步、口型精準(zhǔn)、情感自然的中文對(duì)話視頻。
為了驗(yàn)證這一技術(shù)的真實(shí)性，筆者決定親自上陣，設(shè)計(jì)幾個(gè)貼近日常創(chuàng)作需求的場(chǎng)景進(jìn)行測(cè)試。從一張圖開始，輸入想要生成的視頻內(nèi)容和主題臺(tái)詞，蒸汽機(jī)2.0有聲版便能在短短幾秒內(nèi)生成一段有聲有色的視頻。
在測(cè)試中，筆者上傳了一張馬斯克和奧特曼的合照，并配上提示詞：“兩個(gè)人針鋒相對(duì)，左邊的人先說，‘你做的AI毫無底線’；右邊的人說，‘你的營銷才是沒有底線’。”生成的視頻中，靜態(tài)的照片被賦予了生命，兩人的面部表情和肢體動(dòng)作流暢自然，更重要的是，中文對(duì)白的口型同步做得相當(dāng)精準(zhǔn)，沒有出現(xiàn)明顯的延遲或錯(cuò)位。
不僅如此，蒸汽機(jī)2.0在處理多角色對(duì)話、方言以及復(fù)雜情感表達(dá)方面也展現(xiàn)出了驚人的能力。筆者嘗試用東北話為甄嬛和沈眉莊配音，盡管這一組合有些奇葩，但生成的視頻中，人物的表情、嘴唇的動(dòng)作以及中文語音的細(xì)節(jié)還原度都非常高，真正做到了中文語境的深度適配。
除了中文對(duì)話的生成，蒸汽機(jī)2.0在電影級(jí)畫質(zhì)和大師級(jí)復(fù)雜運(yùn)鏡方面也實(shí)現(xiàn)了突破。在測(cè)試中，筆者提供了一張首幀圖，并附上提示詞：“一個(gè)鏡頭，從書桌上的翻開的書本特寫開始，慢慢向上拉起，最終定格在窗外下著雨的街景上。”生成的視頻中，整個(gè)運(yùn)鏡過程流暢自然，沒有出現(xiàn)鏡頭亂晃或指令理解錯(cuò)誤的問題，展現(xiàn)出了蒸汽機(jī)2.0對(duì)攝影術(shù)語的深刻理解。
百度蒸汽機(jī)2.0的發(fā)布，無疑為視頻創(chuàng)作領(lǐng)域帶來了新的轉(zhuǎn)折點(diǎn)。它繞開了單純比拼畫質(zhì)和時(shí)長的內(nèi)卷，將更多力氣花在了解決最本土化的問題上——讓AI視頻真正“開口說中國話”，而且說得比真人還溜。這一轉(zhuǎn)變已經(jīng)在真實(shí)的創(chuàng)作和商業(yè)領(lǐng)域得到了驗(yàn)證，無論是專業(yè)大神還是中小創(chuàng)作者與品牌方，都獲得了前所未有的創(chuàng)作便利。
然而，蒸汽機(jī)2.0也并非完美無缺。在非對(duì)話的純視覺特效上，生成視頻的時(shí)長還有限制；在音色風(fēng)格的選擇上，也可以更加豐富多樣。但正如所有快速迭代的AI產(chǎn)品一樣，蒸汽機(jī)2.0選擇了一條更務(wù)實(shí)、更貼近市場(chǎng)的路。它就像一個(gè)專注于把釘子敲好的錘子，雖然不能刨木頭，但在“敲釘子”這件事上，它確實(shí)做到了極致。
看著AI生成的角色在屏幕前侃侃而談，那種真實(shí)感讓人不禁感嘆。工具終將隱形，而創(chuàng)意永遠(yuǎn)閃耀。蒸汽機(jī)2.0所做的，就是將那個(gè)曾經(jīng)無比昂貴、屬于少數(shù)人的導(dǎo)演夢(mèng)，還給了每一個(gè)有話想說的人。現(xiàn)在，我們已經(jīng)不缺好的工具，只是缺少新鮮的創(chuàng)意；而與眾不同的創(chuàng)意，往往源自于不斷的嘗試和探索。
