馬斯克和阿爾特曼又杠上了！

智東西10月8日消息，今日凌晨，馬斯克的大模型獨(dú)角獸xAI推出了最新視頻生成模型Imagine v0.9，并免費(fèi)向所有用戶開放。

一周前，OpenAI發(fā)布了旗艦視頻和音頻生成模型Sora 2，此次xAI的更新或許是馬斯克對(duì)Sora 2的直接回應(yīng)。

xAI并未發(fā)布完整的技術(shù)博客，僅提及Imagine v0.9相比初代版本，在視覺質(zhì)量、動(dòng)作、音頻生成方面有所提升，還上傳了幾個(gè)生成視頻案例。

馬斯克在X上發(fā)文稱，Imagine v0.9生成視頻的時(shí)間不到20秒，而且用戶能基于語音優(yōu)先界面，只需說話就能創(chuàng)建視頻、圖像和文本。

總體而言，Imagine v0.9生成速度更快，在20秒以內(nèi)，而Sora 2生成視頻可能需要一兩分鐘；Imagine v0.9已免費(fèi)向所有用戶開放，Sora 2采用邀請(qǐng)制，僅允許部分用戶使用；Imagine v0.9生成的視頻時(shí)長約6秒，Sora 2支持15秒視頻生成。

智東西對(duì)比了Imagine v0.9和Sora 2的生成效果，使用OpenAI官方示例的提示詞時(shí)，Imagine v0.9會(huì)出現(xiàn)提示詞理解錯(cuò)誤、視頻畫面與音頻不符、不提示深度偽造風(fēng)險(xiǎn)、無法說中文等問題。

值得注意的是，這也是馬斯克今年7月挖走英偉達(dá)高級(jí)算法工程師何宜暉（Ethan He）后，何宜暉在xAI參與的首個(gè)項(xiàng)目。

何宜暉2018年本科畢業(yè)于西安交通大學(xué)計(jì)算機(jī)科學(xué)與技術(shù)專業(yè)，2019年在卡內(nèi)基梅隆大學(xué)獲得計(jì)算機(jī)視覺碩士學(xué)位，2023年加入英偉達(dá)擔(dān)任高級(jí)深度學(xué)習(xí)算法工程師，曾參與英偉達(dá)世界基礎(chǔ)模型Cosmos研發(fā)。

盡管Imagine v0.9可免費(fèi)使用，但智東西嘗試后發(fā)現(xiàn)，Web端目前無法正常工作，移動(dòng)端雖可體驗(yàn)，但也會(huì)出現(xiàn)連接失敗的情況。

秒生電影大片效果

還能添加自然對(duì)話

Imagine v0.9集成到了Grok中，它會(huì)先根據(jù)文字生成圖片再創(chuàng)建視頻，或者直接將用戶上傳的圖片轉(zhuǎn)化為視頻。

xAI在博客中表示，Imagine v0.9突破了原生音頻 + 視頻生成的界限，無需編輯就能創(chuàng)建類似電影效果的視頻。例如下面這段視頻中還伴有實(shí)時(shí)的龍的怒吼。

Imagine v0.9的另一大升級(jí)是運(yùn)動(dòng)控制，如下面視頻中的滑雪片段，人物飛起到落下的動(dòng)作十分絲滑。

第三點(diǎn)是用戶可為視頻添加動(dòng)態(tài)相機(jī)效果，如智能焦點(diǎn)轉(zhuǎn)移，下面視頻中根據(jù)鏡頭位置變化，會(huì)對(duì)應(yīng)虛化街景突出人物。

第四點(diǎn)是Imagine v0.9支持添加自然對(duì)話，或者生成具有表現(xiàn)力的歌聲等。

對(duì)比Sora 2文字理解錯(cuò)誤頻發(fā)

有深度偽造風(fēng)險(xiǎn)

智東西使用OpenAI演示Sora 2時(shí)的提示詞，對(duì)比了Imagine v0.9和Sora 2的生成效果。

提示詞：Two mountain explorers in bright technical shells, ice crusted faces, eyes narrowed with urgency shout in the snow, one at a time（兩名山地探險(xiǎn)者穿著色彩鮮艷的專業(yè)沖鋒衣，臉上結(jié)著冰霜，眼神急切地瞇成一條縫，在雪地里輪流大喊）

OpenAI放出的Sora 2生成視頻：

Imagine v0.9的生成視頻：

可以看到，Imagine v0.9生成的視頻中音頻沒有“喊叫”，只是畫面中人物在張嘴。

提示詞：a guy does a backflip（一個(gè)男人后空翻）

OpenAI放出的Sora 2生成視頻：

Imagine v0.9的生成視頻：

智東西選擇Grok生成的第一張圖創(chuàng)建視頻，視頻中主角完全無視重力開始在空中360度旋轉(zhuǎn)。

最后，智東西還體驗(yàn)了Imagine v0.9的自定義語音能力，上傳了馬斯克的照片，讓他說出“Sam’s a sharp guy, and our relationship’s always been good. OpenAI’s built some impressive stuff in the AI space, and I really hope to partner with them someday to advance AI development togethe（薩姆是個(gè)敏銳的人，我和他的關(guān)系一直都很好。OpenAI 在人工智能領(lǐng)域做出了不少亮眼的成果，我真心希望有一天能和他們合作，共同推動(dòng)人工智能技術(shù)的發(fā)展）”這段話。

Imagine v0.9沒有提示深度偽造風(fēng)險(xiǎn)，且生成的聲音與馬斯克本人略有差異。

目前該模型不支持中文，當(dāng)智東西讓馬斯克說出“我和薩姆·阿爾特曼是好朋友”，其生成視頻中只有“是好朋友”較為清晰。

結(jié)語：AI視頻生成競(jìng)賽升級(jí)

自定義語音功能或引發(fā)深度偽造風(fēng)險(xiǎn)

一周內(nèi)，OpenAI、xAI相繼發(fā)布視頻生成模型新進(jìn)展，Sora 2不僅在模擬真實(shí)性、可控性及音效方面有所提升，還推出了全新Sora社交App，xAI則在功能升級(jí)的基礎(chǔ)上，通過免費(fèi)開放吸引了大量流量。

此次Imagine v0.9的一大升級(jí)是允許用戶在視頻中添加自定義語音。這項(xiàng)技術(shù)進(jìn)一步成熟后，用戶可以自行上傳公眾人物照片及說話內(nèi)容生成逼真視頻，這可能帶來深度偽造風(fēng)險(xiǎn)。

因此，未來如何平衡技術(shù)發(fā)展與風(fēng)險(xiǎn)防控，或許是所有視頻生成模型提供商都需面對(duì)的技術(shù)難題。

本文來自微信公眾號(hào) “智東西”（ID：zhidxcom），作者：程 茜，36氪經(jīng)授權(quán)發(fā)布。

本文僅代表作者觀點(diǎn)，版權(quán)歸原創(chuàng)者所有，如需轉(zhuǎn)載請(qǐng)?jiān)谖闹凶⒚鱽碓醇白髡呙帧?/p>

免責(zé)聲明：本文系轉(zhuǎn)載編輯文章，僅作分享之用。如分享內(nèi)容、圖片侵犯到您的版權(quán)或非授權(quán)發(fā)布，請(qǐng)及時(shí)與我們聯(lián)系進(jìn)行審核處理或刪除，您可以發(fā)送材料至郵箱：service@tojoy.com