这,绝对称得上是生成式AI进程中的里程碑。
就在深夜,Runway家标志性的AI视频生成工具Gen-2,迎来了“iPhone时刻”般的史诗级更新——
依旧是简单一句话输入,不过这一次,视频效果一口气拉到了4K超逼真的高度!
话不多说,我们直接来看炸裂的效果:
不难看出,这一次AI生成视频的效果已经克服了以往“一眼AI”的缺点,即不连贯、闪烁变形以及低清等等。
而这也正是Gen-2这次史诗级更新的内容重点:
在文生视频和图生视频中,为结果的保真度和一致性带来了重大改进。
虽然Runway在官方说法中只是轻描淡写地描述为“发布了一项更新”,但在许多网友看来,这堪比一个大版本的迭代。
很多人在看到视频效果之后,已然是处于沸腾、燃爆的状态。
例如一位人工智能电影制作人将其称之为**“彻底改变游戏规则”**。
另一位生成式AI专家也认为:
这是生成式AI的关键时刻。
要知道,现在距离Gen-2正式发布也仅仅过了4个月(今年6月)而已,这不得不让人感慨AI进步、迭代的速度。
正如公众号“数字生命卡兹克”给出的评价:
人间一天,AI一年。
值得一提的是,Gen-2此次的重磅更新,是在网站和APP上同步进行的。
那么接下来,我们继续深入体验一下新Gen-2的炸裂效果。
0成本生成超级大片
现在,无论你是在网站或是APP上体验,只要用的是Gen-2,那么生成视频的结果,就是基于它最新的能力。
这不,一位网友就火速拿着Gen-2,配上小曲儿,秒生成了一部高级感满满的时尚广告大片:
这颜色,这模特,这角度,广告大片算是被Gen-2稳稳拿捏住了。
还有下面这种高级MV镜头既视感的视频,也是不在话下:
再如这种脑洞大开、创意十足的科幻电影片段:
讲真,当看到这些Gen-2生成的逼真4K视频,我们也是被狠狠地吸引住了。
于是乎,我们也决定亲自体验一把。
操作上可以说是极其的简单,进入Runway官网,点击**“Text to Video”**,再选择“Gen-2”,便可来到文本输入界面:
我们测试的文本内容是这样的:
Interstellar travel,surreal.
星际旅行,超现实主义。
在静候几秒之后,AI视频就出炉了:、
有一说一,其实Gen-2的结果跟我们原本在脑海中的设想是有些出入(以为会是宇宙星空背景的星舰)的。
但无论是场景亦或是飞船的样式,都给人一种耳目一新、别出心裁的感觉。
这对于创意工作者来说可谓是一种福利了,灵感枯竭的时候,不妨让Gen-2帮你想想。
而在图生视频(Image to Video)能力上,有网友拿着PIKA这位AI生成视频顶流,跟Gen-2做了一番比较。
从整体结果上来看,Gen-2目前无论是在画质的清晰度,视频的流畅度等方面,都是更胜一筹。
BTW,手机体验最新Gen-2也是相当方便的哦~
半年彻底改写游戏规则
本次里程碑式更新,虽然没有带来新的功能,但在真实性和一致性上的飞跃,使得最新版本的Gen-2依旧是一款划时代的产品。
虽然Gen-2的有关论文还是coming soon,但可以确定它是在Gen-1的基础模型之上改进得到的。
相比于传统的文本控制扩散模型,Gen通过文本、图像、视频混合的训练模式,提高了生成视频的质量和一致性,同时还降低了训练消耗。
同时,Runway还提出了延时扩散模型,在预训练的扩散模型中引入时序层,使得模型在推理阶段具有更高的时间一致性。
Runway在宣传片中用三组对比展示了Gen-2的这种显著变化。
尽管官方还未给出具体的测试数据,但Gen-1的用户偏好在Runway的一项用户调查中就已经击败了Stable Diffusion 1.5和Text2Live。
Gen-2是于今年3月开始测试,6月正式向公众发布的。
与Gen-1不同的是,前者通过现有的视频片段结合文字指导进行合成,而Gen-2则可以只用文字、图片或两者结合来生成。
此外,Gen-1中的风格变换、蒙版、模型定制等功能也在Gen-2中得到了保留。
发布半年以来,Gen-2已经经历了多次更新。
8月,Runway将Gen-2生成视频的最大长度从4秒提升到了18秒,这样的长度在AI视频生成工具中前所未有。
9月,Runway又官宣Gen-2新增了导演模式,可以控制“镜头”的位置和移动速度。
此后不久,Gen-2又新增了“Motion Slider”的功能,可以调节视频中的动作幅度。
这几次大大小小的更新,让这款视频生成工具走向顶流,最终震撼了整个行业。
创始人:创意软件已死
随着Gen-2的更新,对影视和创意行业带来了不小的冲击。
Runway创始人兼CEO Cristóbal Valenzuela更是在𝕏中表示,“创意软件已死”。
Valenzuela进一步解释到,尽管过去人们可以手工“操纵像素”,但人工智能创作工具可以让人们只用自然语言和参数调节就完成创作,这是传统的(创意)软件无法做到的。
最后,Valenzuela再次强调,一个激动人心的新(创意)时代就要开始了。
在Valenzuela的这篇帖子中,有很多网友表示了赞同,直言这些模型现在就画笔。
而这位创作者虽然没有直接夸赞,但回忆起了以往每次花六个月制作视频的经历,仿佛一切尽在不言之中……
如何学习大模型 AI ?
由于新岗位的生产效率,要优于被取代岗位的生产效率,所以实际上整个社会的生产效率是提升的。
但是具体到个人,只能说是:
“最先掌握AI的人,将会比较晚掌握AI的人有竞争优势”。
这句话,放在计算机、互联网、移动互联网的开局时期,都是一样的道理。
我在一线互联网企业工作十余年里,指导过不少同行后辈。帮助很多人得到了学习和成长。
我意识到有很多经验和知识值得分享给大家,也可以通过我们的能力和经验解答大家在人工智能学习中的很多困惑,所以在工作繁忙的情况下还是坚持各种整理和分享。但苦于知识传播途径有限,很多互联网行业朋友无法获得正确的资料得到学习提升,故此将并将重要的AI大模型资料包括AI大模型入门学习思维导图、精品AI大模型学习书籍手册、视频教程、实战学习等录播视频免费分享出来。
第一阶段(10天):初阶应用
该阶段让大家对大模型 AI有一个最前沿的认识,对大模型 AI 的理解超过 95% 的人,可以在相关讨论时发表高级、不跟风、又接地气的见解,别人只会和 AI 聊天,而你能调教 AI,并能用代码将大模型和业务衔接。
- 大模型 AI 能干什么?
- 大模型是怎样获得「智能」的?
- 用好 AI 的核心心法
- 大模型应用业务架构
- 大模型应用技术架构
- 代码示例:向 GPT-3.5 灌入新知识
- 提示工程的意义和核心思想
- Prompt 典型构成
- 指令调优方法论
- 思维链和思维树
- Prompt 攻击和防范
- …
第二阶段(30天):高阶应用
该阶段我们正式进入大模型 AI 进阶实战学习,学会构造私有知识库,扩展 AI 的能力。快速开发一个完整的基于 agent 对话机器人。掌握功能最强的大模型开发框架,抓住最新的技术进展,适合 Python 和 JavaScript 程序员。
- 为什么要做 RAG
- 搭建一个简单的 ChatPDF
- 检索的基础概念
- 什么是向量表示(Embeddings)
- 向量数据库与向量检索
- 基于向量检索的 RAG
- 搭建 RAG 系统的扩展知识
- 混合检索与 RAG-Fusion 简介
- 向量模型本地部署
- …
第三阶段(30天):模型训练
恭喜你,如果学到这里,你基本可以找到一份大模型 AI相关的工作,自己也能训练 GPT 了!通过微调,训练自己的垂直大模型,能独立训练开源多模态大模型,掌握更多技术方案。
到此为止,大概2个月的时间。你已经成为了一名“AI小子”。那么你还想往下探索吗?
- 为什么要做 RAG
- 什么是模型
- 什么是模型训练
- 求解器 & 损失函数简介
- 小实验2:手写一个简单的神经网络并训练它
- 什么是训练/预训练/微调/轻量化微调
- Transformer结构简介
- 轻量化微调
- 实验数据集的构建
- …
第四阶段(20天):商业闭环
对全球大模型从性能、吞吐量、成本等方面有一定的认知,可以在云端和本地等多种环境下部署大模型,找到适合自己的项目/创业方向,做一名被 AI 武装的产品经理。
- 硬件选型
- 带你了解全球大模型
- 使用国产大模型服务
- 搭建 OpenAI 代理
- 热身:基于阿里云 PAI 部署 Stable Diffusion
- 在本地计算机运行大模型
- 大模型的私有化部署
- 基于 vLLM 部署大模型
- 案例:如何优雅地在阿里云私有部署开源大模型
- 部署一套开源 LLM 项目
- 内容安全
- 互联网信息服务算法备案
- …
学习是一个过程,只要学习就会有挑战。天道酬勤,你越努力,就会成为越优秀的自己。
如果你能在15天内完成所有的任务,那你堪称天才。然而,如果你能完成 60-70% 的内容,你就已经开始具备成为一名大模型 AI 的正确特征了。
这份完整版的大模型 AI 学习资料已经上传CSDN,朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费
】
123?spm=1001.2014.3001.5501)这份完整版的大模型 AI 学习资料已经上传CSDN,朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费
】