近期，國(guó)內(nèi)AI視頻生成領(lǐng)域的創(chuàng)新企業(yè)愛(ài)詩(shī)科技宣布成功完成A2至A4輪融資，融資總額接近3億元人民幣。本輪融資由螞蟻集團(tuán)、北京市人工智能產(chǎn)業(yè)投資基金、國(guó)科投資以及光源資本共同投資。

隨著2024年步入尾聲，回顧這一年，OpenAI旗下的Sora發(fā)布已近一年。那么，中國(guó)的視頻生成創(chuàng)業(yè)公司表現(xiàn)如何呢？面對(duì)這一疑問(wèn)，愛(ài)詩(shī)科技的創(chuàng)始人王長(zhǎng)虎表示，公司已經(jīng)實(shí)現(xiàn)了年初設(shè)定的目標(biāo)。

自Sora預(yù)覽版發(fā)布后，王長(zhǎng)虎曾預(yù)計(jì)，愛(ài)詩(shī)科技將在3至6個(gè)月內(nèi)達(dá)到Sora當(dāng)前的水平。12月，Sora正式面世，盡管在產(chǎn)品和交互層面帶來(lái)了不少創(chuàng)新功能，但市場(chǎng)反饋顯示，Sora的實(shí)際效果并未如預(yù)期般驚艷。相比之下，愛(ài)詩(shī)科技的核心產(chǎn)品PixVerse在中文測(cè)試榜單SuperClue中，已經(jīng)位居文生視頻榜單的首位，并且在全球市場(chǎng)中，PixVerse也被列為AI視頻生成應(yīng)用的第一梯隊(duì)產(chǎn)品。

自創(chuàng)業(yè)以來(lái)，愛(ài)詩(shī)科技在兩年內(nèi)取得了顯著的成果。PixVerse于2024年1月上線，首月訪問(wèn)量即超過(guò)120萬(wàn)。相比之下，硅谷的明星AI視頻生成初創(chuàng)公司Pika，上線后三個(gè)月的月訪問(wèn)量約為200萬(wàn)。一年后，PixVerse的全球用戶數(shù)已超過(guò)1200萬(wàn)，月活躍用戶數(shù)接近600萬(wàn)，并且公司已經(jīng)實(shí)現(xiàn)了規(guī)模化收入。

PixVerse的快速增長(zhǎng)得益于其底層視頻模型的多次更新。在2024年，愛(ài)詩(shī)科技經(jīng)歷了三次重大迭代，包括1月的視頻模型V1和7月的V2模型，后者是國(guó)內(nèi)首批發(fā)布的對(duì)標(biāo)Sora等DiT架構(gòu)路線的視頻大模型。在清晰度、一致性、物理規(guī)律以及指令跟隨方面，PixVerse均有了顯著提升。10月底，最新V3模型的上線更是引發(fā)了社交媒體上的熱潮，TikTok、抖音和小紅書等平臺(tái)上爆火的“毒液”特效，總曝光量超過(guò)億次，多位素人博主使用該特效拍攝的視頻獲得了超百萬(wàn)的播放量。

王長(zhǎng)虎表示，“毒液”特效的爆火與PixVerse的底層模型能力密切相關(guān)。自2024年3月起，愛(ài)詩(shī)科技推出了全球首個(gè)Character2Video（人物一致性）模型，并不斷迭代解決方案。通過(guò)在擴(kuò)散模型（DiT）生成過(guò)程中對(duì)ID進(jìn)行精準(zhǔn)約束，視頻中的人物形象能夠與背景保持高度一致，提升了用戶體驗(yàn)。

過(guò)去一年中，生成式視頻領(lǐng)域的難點(diǎn)依然集中在一致性、物理規(guī)律等方面，技術(shù)難點(diǎn)尚待突破。王長(zhǎng)虎坦言，當(dāng)前行業(yè)的技術(shù)路線尚未收斂。與此同時(shí)，行業(yè)內(nèi)對(duì)AI視頻的認(rèn)知和期待已變得更加理性。例如，Sora發(fā)布時(shí)能夠生成長(zhǎng)達(dá)1分鐘的視頻，但真正將視頻長(zhǎng)度拉長(zhǎng)后，生成視頻的一致性、清晰度等方面可能不盡如人意。面對(duì)不滿意的結(jié)果，用戶頻繁點(diǎn)擊“重新生成”，反而影響了用戶體驗(yàn)。

因此，當(dāng)前AI視頻領(lǐng)域的努力方向已從比拼時(shí)長(zhǎng)轉(zhuǎn)向視頻內(nèi)容的一致性、清晰度、運(yùn)動(dòng)幅度等更多維度。王長(zhǎng)虎指出，為了保證用戶體驗(yàn)和可用性，單純追求視頻時(shí)長(zhǎng)并無(wú)太大意義。PixVerse目前支持生成10秒以內(nèi)的高質(zhì)量視頻，清晰度最高可達(dá)4K，已達(dá)到商用級(jí)別。相比之下，去年行業(yè)普遍能夠做到的高質(zhì)量AI視頻停留在5秒內(nèi)，且清晰度普遍在1080p以下。

PixVerse還在不斷更新產(chǎn)品及模型。11月，PixVerse發(fā)布的新功能允許用戶上傳視頻，并通過(guò)Prompt或選擇特效進(jìn)行視頻延長(zhǎng)生成。12月，PixVerse的下一個(gè)模型V3.5版本已進(jìn)入內(nèi)測(cè)階段，生成視頻速度可縮短至30秒以內(nèi)，提示詞響應(yīng)及運(yùn)動(dòng)控制能力顯著提升，即將正式上線。

這一趨勢(shì)已有跡象可循。王長(zhǎng)虎說(shuō)：“過(guò)去一年，我們經(jīng)歷的重要變化之一是用戶從專業(yè)創(chuàng)作者擴(kuò)展到C端用戶群體。”這促使愛(ài)詩(shī)科技在產(chǎn)品功能上不斷降低門檻。在PixVerse中，已內(nèi)置了數(shù)十種特效模板，用戶只需輸入一張圖片即可生成視頻，無(wú)需自己輸入或思考如何寫Prompt。

進(jìn)入2024年，初創(chuàng)公司面臨的另一個(gè)重要問(wèn)題是如何應(yīng)對(duì)巨頭的競(jìng)爭(zhēng)。AI視頻生成領(lǐng)域已涌現(xiàn)出眾多玩家，包括快手、字節(jié)跳動(dòng)、阿里巴巴和騰訊等巨頭均在2024年推出了相應(yīng)的AI視頻模型。對(duì)此，王長(zhǎng)虎持樂(lè)觀態(tài)度。他認(rèn)為，盡管發(fā)展迅速，但當(dāng)前視頻生成賽道仍處于GPT-2到GPT-3的階段，尚有許多技術(shù)難點(diǎn)需要突破，這為初創(chuàng)公司提供了機(jī)會(huì)。此前，愛(ài)詩(shī)科技的核心團(tuán)隊(duì)以少于競(jìng)爭(zhēng)對(duì)手十倍以上的體量攻克了不少業(yè)界技術(shù)難題。