2023年是AI大爆发的一年。年初爆火全球的ChatGPT开始，大家惊讶地发现AI大模型竟然可以那么强。紧接着AI绘画成功接棒，Midjourney、Stable Diffuison等工具爆火全网，AI绘画的品质已经到了人类无法匹敌的程度了。有国外网友整理了AI绘图工具Midjourney在不到2年时间里，从V1更新到了V6版本，AI绘画的品质出现了巨幅的进步，足以以假乱真。
23年AI领域最成功的两款技术/产品，就是大模型和AI绘画了。当然还有其他一些AI的技术在茁壮成长中，比如AI视频。甚至，2024年可能是AI视频元年，而这一次谷歌可能不会落后了。
谷歌在AI视频领域可能不会落后
谷歌在AI领域有种起了个大早，却赶了个晚集的感觉。AI绘画领域，谷歌早在2015年就研究发布了deep dream项目，可以用它画出非常迷幻和超现实的图画。然而AI绘画这一波大的发展，谷歌却几乎没有参与感。
大模型领域也是一样，OpenAI发布了ChatGPT后爆火全球，引领AI大模型逐渐深入改变各个行业，这一次谷歌又是落后追随者。
谷歌在23年的两次AI大爆发，大模型和AI绘画，并没有站在舞台中央。24年，战火可能要烧到AI视频生成------生成式AI的下一波风口，这一次，谷歌迅速跟上，发布了名为VideoPoet的大语言模型，被认为是具有革命性的AI视频生成工具。
就目前谷歌官方公布出来的新闻和模型效果来看， VideoPoet 真的有点厉害。它支持文字描述生视频、图片生视频、视频风格迁移，甚至还支持视频转语音。几乎已经把视频制作流程中可能涉及到的部分，都已经涵盖了。
技术角度， VideoPoet通过将多种视频生成技术融合到一个模型中，大大提高了视频制作的效率和效果。
接下来我们不看配方看疗效，直接看一下VideoPoet生成的视频案例。
文字生成视频
文本生成视频，视频输出的长度是可变的，并且可以根据文本内容应用一系列动作和样式。
图片生成视频
VideoPoet 可以获取输入图像并通过提示将其动画化。让加闪电就加闪电，让加流星就加流星。
VideoPoet可以将运动应用于输入的图片，根据文本提示将其内容编辑为所需的状态。比如让蒙娜丽莎打哈欠。
视频风格化
VideoPoet 可以进行视频风格化，使用文本提示、深度和光流作为条件，直接一键改变视频风格。
生成音频
VideoPoet 还能够生成音频。可以实现先生成视频，然后尝试在没有任何文本指导的情况下预测音频。比如以下案例中，直接给视频配了一个打架子鼓的音频。
随着生成式 AI 的发展，最近出现的各种新的视频生成模型，这些模型展示了令人惊叹的画面质量。Google这次发布的VideoPoet，提出了一种新的思路，将各种视频生成技术融合到一个模型中，一次性解决问题，也许是一款革命性的AI视频技术。有人呼吁谷歌赶紧把 VideoPoet 开源了，大家都等不及了。
今天就聊到这了，我是Glen，感谢你看我的文章，欢迎大家继续支持我，请点赞、收藏、分享三连走一波吧~