当前位置:首页|资讯|Sora

快手“可灵”意外走红,字节紧急追赶,AI文生视频赛道竞争加剧

作者:市界发布时间:2024-07-30

2024年2月,Sora的横空出世,让许多大模型公司的春节都没能过好。

“春晚还在重播,我们就在紧急拉群讨论”,一家AI头部公司员工对「市界」急切地说。看到Sora丝滑的体验,连卖课博主都蜂拥而动,赶着上线教程,大赚一把。

谁能最快时间“复制”出国内版的Sora,更多人将目光放在了阿里、百度、“大模型五虎”身上。但无人想到,拔得头筹的会是技术表现相对“佛系”的快手。

6月7日,快手突然上线了文生视频模型“可灵”(Kling),并可支持长达2分钟的视频生成。此外,与Sora至今仍在“期货”阶段相比,可灵一经公布便开放了测试,生成效果亦可圈可点。

“可灵是最近圈内,被讨论最多的对象”,一位风投行业人士对「市界」说。据官方数据显示:可灵上线一个月有超50万人申请,已开放给超30万用户使用,生成了超700万条短视频。

可灵的意外火爆,不免让字节有些尴尬。今年5月,字节也开放了文生视频模型“即梦”测试,但效果在目前火爆的文生视频赛道中,尚不具明显优势。

突然被曾经“忽视”的对手甩开身位,字节需要埋头追赶。据钛媒体报道,近期,字节跳动将AI大模型设为集团“P0最高级别”的方向。抖音、剪映等多个团队也在抓紧研发AI视频模型应用,预计将在近期公布。

1、做可灵,快、糙、猛

多位开发者对「市界」表示,可灵的上线与亮眼表现,在行业内也算是个意外。

近日,「市界」以一段“黑猫”为关键词,在可灵、即梦,以及智谱AI刚刚上线的“清影”中分别输入了相同的提示:“下雨天的城市街道上空无一人,一只可爱的黑猫奔跑而过。它的眼珠是绿色,脖子上带有黄色的项圈和铃铛,全身长着黑亮的长毛。视频用摄像机的视角拍摄,地面的积水反射出黑猫的身影。”

在生成的三段视频里,可灵版虽然未能实现快速奔跑的效果,但视频大致符合客观规律。

与之对比,“即梦”版地面没有积水,黑猫也没有向前走动。“清影”版虽有积水,黑猫行走时,步态古怪,尾巴也出现了丢帧。

▲(图片依次为可灵、即梦、清影)

据“硅星人”报道,可灵是快手花了3个月的时间打造的;团队规模很小,仅有20余人,牵头人是现快手视觉生成与互动中心负责人万鹏飞,其大部分的研究方向为图像/视频信号处理、计算摄影和计算机视觉、减少Loss函数、视觉生成等。

可灵的前身,来自快手在2023年10月重启的一个不起眼的项目“噗叽”,这是一款将静态图片通过AI生成2s Gif表情包的工具软件。今年3月初,快手内部开了一个小会,万鹏飞的想法得到了快手高级副总裁盖坤(于越)的肯定,迅速确定了将噗叽作为预调研的产品。

据“硅星人”了解,“做可灵的时候,执行层面有个共识,就是快、糙、猛。”

可灵项目开始不到一个月,就获得了快手创始人程一笑的支持,将其视为公司战略级项目。盖坤也常说:公司的卡都给你们用,公司全力支持。

数字人赛道创业者柯燃对「市界」分析道:“可灵的成功,很大程度上要归功于快手积累的视频数据素材。放眼国内,这方面可以与之一战的也只有抖音。”

可灵风光的同时,字节显得有些落寞。

虽然“即梦”5月9日便官宣上线;6月17日,即梦也作为首席AI技术支持方,在AIGC短剧集《三星堆:未来启示录》中亮相。但无论是在C端的表现,或是相较于快手7月13日上线的AIGC短剧《山海奇镜》,即梦的声量均不甚响亮。

7月17日,市场曾传出消息称,字节将公布类Sora的文生视频技术进展。外界也将其解读为,字节要奋起直追,与可灵正面迎战了。

但字节方面随后向「市界」表示,该消息并不准确。7月17日当日,「市界」注意到,活动更类似一场技术分享会。会议主要由豆包大模型视觉基础研究团队负责人冯佳时主持,并由字节研究科学家、机构学者等,做了整场的英语技术分享。

看起来,字节的“大招”或许还需要等些时日。

2、字节还没回过神

那么,在最近如火如荼的文生视频赛道里,字节为何错过盛宴;最近字节又在忙些什么?

某种程度上,或许因为比起快手押注“可灵”,可以“一力降十会”。字节的大模型布局要更为复杂——而今年上半年,字节更重要的对手放在了腾讯与阿里。

面对大模型,字节的步调已不可谓不“激进”。毕竟2个多月前,率先在行业内发起大模型价格战的,正是字节。

5月15日,在字节跳动“FORCE原动力大会”上,字节推出了基于其自研豆包大模型的API服务。同时,火山引擎总裁谭待一步到位,亮出了“豆包”的最新价格:0.0008元/千Tokens,宣布这是低于行业99.3%的“地板价”。

彼时,字节的“发难”曾先声夺人。据「市界」从多方了解,头部玩家对字节的出击缺少准备;各方虽感无奈,也只能被动追随。

接下来几天,阿里云、百度文心大模型、腾讯云先后宣布,将旗下大模型推理输入token以及API大幅降价。在此影响下,如今头部大模型的C端调用,已几乎悉数免费,行业也开始朝着下一个生态量级“卷”去。

据一家法律AI应用企业创始人向「市界」透露,API服务开放后几乎没有时间差,火山引擎的销售人员就开始积极接触客户、推介产品。这也侧面印证了,市场流传的字节已将大模型标记为最高级别战略的猜测。

▲(谭待于2024“FOECE大会”。图源/火山引擎)

而最近,字节的“当家产品”豆包,增长得较为明显。

据Questmobile数据显示,截至2024年6月,在国内AIGC App中,豆包、天工、Kimi智能助手、猫箱增长亮眼——其中豆包流量排名第一。

▲(图源/QuestMobile)

与快手相比,字节如今更在意的,或许是从基础大模型、到AI应用层的全生态竞争。此外,考虑到2021年才正式做云的火山引擎,在巨头云厂商里是“最年轻”的一朵。三年多来,火山云也一直被视为云市场的挑战者角色。字节如何将基础大模型、应用层、云市场协同起来,更是一项综合命题。

近日,据“光子星球”报道,字节“扣子”平台的大量使用者,正寻求如何将创建的智能体、bot接入微信公号或小程序,讨论十分活跃。

去年12月,字节在海外推出了AI应用开发平台“coze”。今年2月,国内版“扣子”上线。大量抖音体系商家,也希望从中迅速掘一桶金。

考虑到腾讯在今年5月才姗姗来迟,发布了AI智能体创作与分发平台“腾讯元器”。彼时,扣子的访问量已达到了233万次。而截至目前,腾讯元器尚未打通小程序、公众号、客服订阅号微信系列生态。

毕竟当下,AI发展仍在早期阶段。字节与腾讯一样,都还需要花费大量时间教育用户。争夺AI时代的分发权,先声夺人,或许是字节为了瞄准腾讯要做的更大功课。

3、后发制人,尚有时间

站在行业层面,在当今互联网中,最不缺内容流量、电商流量,以及资金弹药的字节,即便短期在文生视频中“落后”一步,从长期来看,仍具备后发制人的潜力。

用积极的市场策略追平落后身位、大力出奇迹,同样也是字节的拿手好戏。

最近,瞄准阿里,字节也在做整合大模型的工作。在刚刚过去的6月26日钉钉生态大会上,总裁叶军宣布除了阿里自家的通义外,还将把其余6家的第三方大模型装入钉钉中。其中包含MiniMax、月之暗面、智谱AI、猎户星空、零一万物和百川智能,涵盖了国内几乎所有知名的大模型创企,要“构建中国最开放的AI生态”不言自明。

而与钉钉玩法类似,字节旗下扣子平台除了支持自家的“豆包”外,还接入了通义千问、月之暗面、MiniMax等各大外部模型。6月14日,扣子还上线了“模型广场”功能,支持用户选择匿名的两个模型,根据生成内容的表现来为其打分PK。

此外,字节近期被曝光,对“AI+硬件”的探索正在加快,并不惜通过收购延揽人才。

据“Tech星球”报道,字节旗下的PICO从去年下半年开始在研发多个穿戴设备,包括耳机和音响,这些设备也将搭载AI。字节豆包团队也有基于大模型软硬件结合的探索,大模型软硬件结合已经逐步在学习机、机器狗、机器人等硬件设备上有所应用。

另据36氪报道,字节AI硬件“D线”负责人为李浩乾。后者为字节在今年3月份收购的OWS(Open Wearable Stereo,开放式可穿戴立体声耳机)耳机品牌Oladance的创始人。另一条AI硬件条线“O线”的负责人也是字节曾收购公司的创始人,其向字节跳动技术副总裁洪定坤汇报。

而在文生视频方向,面对赛道刚刚的火爆,包括字节在内的追赶者们,大家都还有时间。

近日,一位开发者告诉「市界」:“现在就是用可灵构构图、减负工作流程,还不到完全用它创作的程度,所以也还没有什么依赖性。”

而在另一位开发者、短视频AIGC博主的眼中,可灵还有不少优化空间:“靠可灵文生视频不能保证虚拟人IP的一贯性。我一般都是用可灵图生视频的功能,相当于给可灵‘垫’一张图,让他在这个基础上生成不同视角动态视频,再拼接到一起,模拟运镜的效果,实际上还是人操作的比重更大。”

国内某AI模拟交友产品的研发成员则讲道:“现在的大模型应用市场,大家都在摸着石头过河。怎样商业化是一个太遥远、太模糊的问题。但可以肯定的是,越多人用起来、玩起来,越能保证产品的优化迭代。”

(柯燃为化名)

作者 | 董温淑

编辑 | 李 原

运营 | 刘 珊


Copyright © 2024 aigcdaily.cn  北京智识时代科技有限公司  版权所有  京ICP备2023006237号-1