抖音AI越搞越猛，硬剛阿里快手

勝者為王。

1.抖音“即夢AI”移動端上線蘋果商店

現(xiàn)在，市面上的AI工具越來越多，功能也更加強大了。從圖片生成、視頻生成，再到故事創(chuàng)作，各大互聯(lián)網(wǎng)公司對AI技術(shù)的更新迭代，讓創(chuàng)作變得簡單。

比如，字節(jié)跳動旗下剪映推出的AI創(chuàng)作平臺“即夢AI”，集圖片生成、智能畫布、視頻生成、故事創(chuàng)作4大功能，用戶可以用AI作圖，輸入提示詞生成圖片，也可以生成視頻，畫面栩栩如生。

近日，據(jù)鈦媒體AGI獨家獲悉，“即夢AI”移動端已上架蘋果APP Store應(yīng)用商店。更早之前的7月31日，即夢AI安卓版已上架小米等各大安卓應(yīng)用商店，版本號為1.0.0，可供用戶下載使用。

而在今年5月，即夢AI網(wǎng)頁版已上線。

應(yīng)用介紹顯示，即夢AI是一個專為創(chuàng)意愛好者打造的AI表達平臺，讓你的想象力成為現(xiàn)實。

主頁面功能包括圖片生成與視頻生成，其中，圖片創(chuàng)作可選擇八款通用模型，視頻生成也可以選擇運鏡角度，包括隨機、推近、拉遠、順時針、逆時針，而視頻速度則有快中慢三檔。底部Tab鍵還可進入靈感社區(qū)，一鍵創(chuàng)作同款作品。

截至目前，“即夢AI”已上線會員服務(wù)，用戶可選擇連續(xù)包月每月69元、單月79元，或連續(xù)包年659元，對應(yīng)購買505個積分/月，從而生成約2020張圖片或168個AI視頻。每天登陸即夢AI可獲得66積分，并在當天后清零。

至于即夢AI背后的開發(fā)團隊是“深圳市臉萌科技有限公司”，該公司是字節(jié)跳動在2018年收購的相機拍照工具《Faceu激萌》團隊，交易總價約3億美元。

目前，臉萌科技隸屬于字節(jié)跳動旗下的剪映業(yè)務(wù)，由剪映業(yè)務(wù)負責(zé)人張楠（Kelly Zhang）領(lǐng)導(dǎo)。

話又說回來，在抖音的AI產(chǎn)品矩陣當中，即夢AI算是推出比較晚的AI產(chǎn)品。在此之前，抖音已經(jīng)有豆包、Cici、MagicVideo、MagicAnimate等產(chǎn)品和模型。

MagicVideo- V2于今年1月發(fā)布，是一款ai視頻生成模型，可以文生視頻、圖生視頻，也可以用來給視頻換風(fēng)格；而MagicAnimate于去年12月上線，可以讓圖片生成逼真的視頻動態(tài)效果。

抖音各種大模型項目遍地開花，與其加大投入大模型業(yè)務(wù)有關(guān)。去年2月，抖音開始組建大模型團隊，由TikTok產(chǎn)品技術(shù)負責(zé)人朱文佳帶隊，主要發(fā)力語言和圖像兩種模態(tài)。

緊接著11月，又有消息稱，抖音成立新部門Flow，發(fā)力AI應(yīng)用層，仍然由朱文佳擔(dān)任業(yè)務(wù)負責(zé)人。

如今，即夢AI移動端上線各大應(yīng)用商店，表明抖音AI業(yè)務(wù)得到進一步發(fā)展。依托剪映在圖片和視頻創(chuàng)作領(lǐng)域的優(yōu)勢，即夢AI將可以迅速出圈。

2.視頻生成大模型，抖音也不想落下

今年2月，全球知名人工智能公司OpenAI上線文生視頻大模型Sora。一經(jīng)發(fā)布，該款產(chǎn)品迅速火遍全球，成為大家的關(guān)注重點。

只要給Sora一些提示詞，它就可以生成1分鐘的Ai視頻內(nèi)容。當時Sora生成的視頻中最典型的案例，是一位時尚的女士穿著黑色皮夾克、長紅裙和黑色靴子，手拿黑色手袋，在東京一條燈光溫暖、霓虹燈閃爍、帶有動感城市標志的街道上自信而隨意地行走。

如果不提前告訴你這是由Ai生成的，你絕對不會發(fā)現(xiàn)。Sora的上線引起的轟動效果可謂顯著，國內(nèi)各大互聯(lián)網(wǎng)科技企業(yè)都不想掉隊，爭相加大投入視頻生成模型。

而在此之前，國內(nèi)互聯(lián)網(wǎng)公司已經(jīng)有所成績。比如阿里巴巴自研的視頻生成模型 AnimateAnyone，可以讓一張照片生成一段舞蹈視頻，就有網(wǎng)友用這個AI模型讓兵馬俑跳科目三。

而早在去年11月底，該研究論文便已經(jīng)在海外視頻播放量超 1 億。今年3月，阿里一個高保真圖像視頻生成框架AtomoVideo，能讓生成的視頻更加逼真。

此前2月份，阿里還推出了AI圖片-音頻-視頻模型EMO，僅需一張人物肖像和音頻，就可以肖像人物開口唱歌。

另外還有騰訊的視頻生成模型AnimateZero，可以實現(xiàn)精準地控制視頻的外觀和運動，比如更改車的顏色，或者將動漫人物的圖片生成的視頻，并融入眼睛變色、頭發(fā)蓬松等細節(jié)。

快手方面，今年7月初，在2024世界人工智能大會上，快手大模型首次集體亮相，其中就有視頻生成大模型“可靈”。

今年6月，快手自研的“可靈”視頻生成大模型官網(wǎng)正式上線，至今不到兩個月就已經(jīng)迎來三次迭代升級。據(jù)了解，初次亮相的可靈大模型全面對標Sora，并在內(nèi)容生產(chǎn)方面取得了新突破。

比如此前Sora僅能生成60秒左右的高清視頻，而可靈AI則將生成視頻時長拉長至2分鐘。可靈的畫質(zhì)、鏡頭控制、首尾幀控制也隨著產(chǎn)品升級，而有了實質(zhì)性的飛躍。

值得一提的是，在騰訊、阿里、抖音都沒有向用戶開放視頻大模型的使用權(quán)限時，可靈率先全面開放內(nèi)測，在快手旗下的快影App開放邀測體驗。

可以看出，國內(nèi)其他互聯(lián)網(wǎng)公司在視頻生成模型方面取得一項又一項突破，這不免給抖音帶來壓力。抖音“即夢AI”上線各大應(yīng)用商店，顯然是主動出擊，直面市場壓力。

我們也能看到，視頻生成模型的功能和效果已經(jīng)發(fā)生了翻天覆地的變化，場景識別和情感分析則能夠更深入地理解視頻內(nèi)容，為用戶創(chuàng)造出了前所未有的視覺體驗。

3.成本依舊是難題

盡管大模型賽道十分火熱，但成本依舊是困擾絕大多數(shù)人工智能企業(yè)的難題。相較于大型語言模型，像Sora這樣的視頻生成模型涉及到更復(fù)雜的數(shù)據(jù)處理和更高的計算要求，訓(xùn)練成本更高。

據(jù)國盛證券報告《ChatGPT 需要多少算力》估算，大型語言模型（LLM）如GPT-3的單次訓(xùn)練成本約為140萬美元。然而，對于更大規(guī)模的LLM，訓(xùn)練成本會顯著增加，介于200萬美元至1200萬美元之間。

LLM的訓(xùn)練需要使用大量的高端GPU，如英偉達的A100等。這些GPU的價格昂貴，且需要配置相應(yīng)的服務(wù)器和存儲設(shè)備。此外，由于訓(xùn)練過程中需要持續(xù)運行大量的計算任務(wù)，因此電費也是一項不可忽視的成本。

以 ChatGPT 在1月的獨立訪客平均數(shù)1300萬計算，其對應(yīng)芯片需求為3萬多片英偉達A100 GPU，初始投入成本約為8億美元，每日電費在5萬美元左右。

同時，據(jù)澎湃新聞報道，Sora在訓(xùn)練階段至少需要4200~10500塊英偉達H100 GPU，并持續(xù)訓(xùn)練1個月。去年也有消息傳出，抖音向英偉達訂購了超過10億美元的GPU。

據(jù)虎嗅報道，按照某國內(nèi)AI公司最近公布的AI圖片生成最大折扣價算，生成1張圖片的價格最低0.06元，1秒25幀，花費1.5元，120秒的視頻成本高達180元。

總之，AI視頻生成的高成本是限制大模型企業(yè)的重要因素。因此，企業(yè)還需要探索多樣化的商業(yè)模式以平衡成本與收益。