字节全新发布豆包AI视频模型 - 再见了Sora，你的时代过去了。 * { margin: 0; padding: 0; outline: 0; } body { font-family: “PingFang SC”, system-ui, -apple-system, BlinkMacSystemFont, “Helvetica Neue”, “Hiragino Sans GB”, “Microsoft YaHei UI”, “Microsoft YaHei”, Arial, sans-serif; line-height: 1.6; } .__page_content__ { max-width: 667px; margin: 0 auto; padding: 20px; text-size-adjust: 100%; color: rgba(0, 0, 0, 0.9); padding-bottom: 64px; } .title { user-select: text; font-size: 22px; line-height: 1.4; margin-bottom: 14px; font-weight: 500; } .__meta__ { color: rgba(0, 0, 0, 0.3); font-size: 15px; line-height: 20px; hyphens: auto; word-break: break-word; margin-bottom: 50px; } .__meta__ .nick_name { color: 576B95; } .__meta__ .copyright { color: rgba(0, 0, 0, 0.3); background-color: rgba(0, 0, 0, 0.05); padding: 0 4px; margin: 0 10px 10px 0; } blockquote.source { padding: 10px; margin: 30px 0; border-left: 5px solid ccc; color: #333; font-style: italic; word-wrap: break-word; } blockquote.source a { cursor: pointer; text-decoration: underline; } .item_show_type_0 > section { margin-top: 0; margin-bottom: 24px; } a { color: 576B95; text-decoration: none; cursor: default; } .text_content { margin-bottom: 50px; user-select: text; font-size: 17px; white-space: pre-wrap; word-wrap: break-word; line-height: 28px; hyphens: auto; } .picture_content .picture_item { margin-bottom: 30px; } .picture_content .picture_item .picture_item_label { text-align: center; } img { max-width: 100%; } .pay_subscribe_notice { margin: 30px 0; padding: 20px; background: fffbe6; border: 1px solid ffe58f; border-radius: 8px; } .pay_subscribe_badge { display: inline-block; padding: 4px 12px; background: faad14; color: fff; border-radius: 4px; font-size: 14px; font-weight: 500; margin-bottom: 12px; } .pay_subscribe_desc { font-size: 15px; line-height: 1.8; color: rgba(0, 0, 0, 0.7); margin-bottom: 12px; } .pay_subscribe_hint { font-size: 13px; color: rgba(0, 0, 0, 0.4); } .__bottom-bar__ { display: flex; justify-content: space-between; align-items: center; position: fixed; bottom: 0; left: 0; right: 0; height: 64px; padding: 8px 20px; background: white; box-sizing: border-box; border-top: 1px solid rgba(0, 0, 0, 0.2); } .__bottom-bar__ .left { display: flex; align-items: center; font-size: 15px; white-space: nowrap; } .__bottom-bar__ .right { display: flex; } .__bottom-bar__ .sns_opr_btn { display: flex; align-items: center; user-select: none; background: transparent; border: 0; color: rgba(0, 0, 0, 0.9); font-size: 14px; } .__bottom-bar__ .sns_opr_btn:not(:last-child) { margin-right: 16px; } .__bottom-bar__ .sns_opr_btn > img { margin-right: 4px; }
字节全新发布豆包AI视频模型 - 再见了Sora，你的时代过去了。
原创 数字生命卡兹克 数字生命卡兹克 2024-09-24 15:33 北京
刚刚，字节的火山引擎的发布会基本结束了。
我现在有点过于激动。
虽然发布会结束了，但是我觉得，一个颠覆行业的全新的起点，在这一刻，正式到来了。
字节正式发布了他们全新的两款AI视频模型：
豆包视频生成-PixelDance模型和Seaweed模型。
Seaweed模型下次我再详细来说。这次，我想说这个豆包PixelDance模型，****因为太屌了，屌炸了，我真的是全程惊叹着看完的。
他们正式宣布这玩意的那一刻，现场掌声雷动，我隔着屏幕都感觉快特么把房顶掀翻了。
真的，如果要给这个豆包PixelDance模型，做一个总结，那就是三个词：
**人物的复杂连续动作，**多镜头组合视频，极致的运镜控制。
听着感觉有点难理解是不是？不用急，我一会详细来解释。
我先放几个case，给大家感受一下这玩意的震撼：
真的，影视行业在之前，几乎没法用AI，就是因为，人物表演太垃圾，还有场景和人物一致性太差，运镜说实话也不咋地。
现在，字节出手，将AI视频推上了全新的高度。
行业颠覆的奇点，就在今天，就在这个发布会上，正式到来了。
而我，在憋了整整4天后，也终于可以发出这篇文章。
对，4天前，我就受字节邀请，提前测过了这个豆包PixelDance模型，当时给我震惊的无以复加，你知道，作为一个博主，测完了这么屌的东西，自然就是想第一时间分享出去，但是因为保密协议，我只能只字不提。
所以你就知道，我这4天，憋的有多难受。
而现在，一切都来了。我终于可以特么的说话了。
说回那三个最重要的特点：
**人物的复杂连续动作，**多镜头组合视频，极致的运镜控制。
一. 可以做连续动作的人物表演
过往，AI视频有一个很致命的点，就是看起来像PPT动画。
不管是Sora展示出来的视频、还是runway、还是可灵等等，运动幅度再大，也只是镜头幅度大，从来没有人的复杂动作。
顶天了，转个身，或者快速跑个步，或者挥个手，或者拥抱一下。说实话，就单拥抱这个，都没几个AI视频能做出来的。
而如果让图里这个女生，摘下墨镜，站起身，然后走向雕像呢？
所有的AI视频，全部阵亡。
而这一次豆包PixelDance，做到了，真的。
除了手上的表有一些些闪动，人物比例、动作、肢体、光影等等，几乎毫无瑕疵。
一个戏好看，人的动作表演，才是最重要的啊。
比如在《喜剧之王》里，在最后一幕，周星驰饰演的尹天仇，在对着柳飘飘喊出那句经典的“我养你啊”的台词之后，柳飘飘坐在离去的出租车里，哭的非常伤心，看了一会手上的钱和表，然后把他们放进包里，拿出尹天仇视为信仰的那本《演员的自我修养》，伤心的抱在胸口。
这段表演，是连续的。连续的东西，才有张力。你才能感受到，那痛彻心扉的情绪。
而现在，用AI，生成可以做连续动作的人物表演，不再是空谈。
再看一个case，男人喝了一口咖啡，然后放下，一个女人从背后走来。
还有，人物表情也很屌，老人笑着笑着，就哭了。
我也想哭，真的。
去年8月我做《流浪地球3》预告片的时候，我就幻想过无数种关于AI做人物表演的可能。
仅仅一年后的今天，豆包就帮我圆了这个最大的梦。
二. 多镜头组合视频
一张图+Prompt，就能生成风格、场景、人物一致的多镜头视频，这个能力，我只在Sora的宣传片里面看到过。
就是那个著名的一只狼对着月亮嚎叫的视频。
其实说实话，这个视频当时看，非常的震撼，但是现在看其实也还好，风格、角色和场景都太简单了，所以一致性很好保持，也没啥复杂的故事和分镜。
但就这样，现在，依然没有任何一个AI视频，能做到单视频多镜头，而且还能保证完美的一致性。
别跟我说LTX studio那种玩意，那个做做故事版还行，做正片？洗洗睡吧，别说场景了，人物保持全景、中景、特写统一都难。而且真的丑的出奇。
但是现在，豆包PixelDance做出来了，而且一致性简直无敌，真的。
而且，只需要一张图+Prompt就行。
比如，这个。
Prompt：拿着镰刀的死神朝女人走近。特写女人的脸，她惊恐地尖叫。
或者，一场战斗。
Prompt：白色机器人抬起双手拿着一把步枪对着画面左侧不断射击。枪口射出一道绿色的能量光线。镜头变化成画面左侧是一个黑色的机器人，一道绿光从画面右侧快速射入，击中了它的身体，黑色机器人被击倒并爆炸。画面变了，白色机器人望向爆炸，它望向远处的爆炸，转身走出了画面。
又或者，看一个离奇的克苏鲁故事。
一张图和Prompt，就能生成单视频多镜头，屌爆了，真的。
对于影视和广告行业来说，几分钟能瞬间调度后面两三个镜头的分镜，直接出成片。
普通人的使用门槛，也巨幅降低，人人都是导演，人人都可以做故事的时代。
如今，真的到来了。
三. 极致的运镜控制
豆包PixelDance模型的运镜，是我见过最离谱，最牛逼的。
现在的AI视频的运镜控制，还基本集中在摄像机+运动笔刷两个功能的组合拳上，但是说实话，上限真的有限，很多大运镜和变焦，根本做不出来。
而豆包PixelDance，效果真的就特娘的离谱。
什么鸟瞰缩放上移旋转这种基操我就不说了，关键是，直接一句话，各种360度围绕主体环绕、前后景变焦、摇摄、目标跟随、升降镜头什么玩意都行。
效果出奇的好，我第一次见到，在AI视频，运镜能这么牛逼，这么炫酷的。
直接看case。
Prompt：女人微笑着低下头，镜头拉远，一个白人男人注视着这个女人。
变焦的极度自然顺滑，无敌，太无敌了。
还有这个，360度大幅度环绕运镜。
Prompt：黑白风格，镜头环绕着戴墨镜的女人拍摄，从她侧面移动到正面，最后聚焦于女人的面部特写。
这是一张图，然后一句Prompt干出来的，你敢信？这动作幅度，这稳定性，比特么建模出来的还离谱，我真的服了。
你这让摄影们还怎么玩，疯了啊…
写在最后
Sora一个巨型期货，从2.16号到如今，迟迟不见任何踪影。
而后，6.6号，可灵默不作声，正式上线，代表了中国Sora的输出。
而今天，9.24号，字节再把AI视频，推向一个全新的高度，是一个在Sora的宣传片里，都看不到的高度。
至此，中国不需要Sora，豆包模型就是天。
豆包PixelDance也不需要什么中国版Sora的外号，豆包PixelDance就是豆包PixelDance，他就是现在AI视频的天。
也至此，AI视频不再是玩具，而是真正的，可以进入到影视、广告、动漫工作流中，带来一些全新的想象。
这一枪，由我们打响。
今天这个豆包PixelDance模型，就会优先对企业开启邀测，过几天上线火山方舟，至于啥时候上线即梦向C端用户全员开放，可能还得等一段时间，毕竟太新，他们说还想再优化优化模型能力，稳定了以后，就直接上线即梦，给全员开放了。
真的，也从来没有什么奇迹，一切都是沉淀多年的积累，一切都是如约而至。
今天，我也可以喊出那句台词：
字节，No.1！
以上，既然看到这里了，如果觉得不错，随手点个赞、在看、转发三连吧，如果想第一时间收到推送，也可以给我个星标⭐～谢谢你看我的文章，我们，下次再见。
>/ 作者：卡兹克
>/ 投稿或爆料，请联系邮箱：wzglyay@gmail.com
数字生命卡兹克
 阅读 赞  分享 ‘%3E %3Cg transform=‘translate(0 -2.349)‘%3E %3Cpath d=‘M0 2.349h24v24H0z’/%3E %3Cpath fill=‘%23576B95’ d=‘M16.45 7.68c-.954 0-1.94.362-2.77 1.113l-1.676 1.676-1.853-1.838a3.787 3.787 0 0 0-2.63-.971 3.785 3.785 0 0 0-2.596 1.112 3.786 3.786 0 0 0-1.113 2.687c0 .97.368 1.938 1.105 2.679l7.082 6.527 7.226-6.678a3.787 3.787 0 0 0 .962-2.618 3.785 3.785 0 0 0-1.112-2.597A3.687 3.687 0 0 0 16.45 7.68zm3.473.243a4.985 4.985 0 0 1 1.464 3.418 4.98 4.98 0 0 1-1.29 3.47l-.017.02-7.47 6.903a.9.9 0 0 1-1.22 0l-7.305-6.73-.008-.01a4.986 4.986 0 0 1-1.465-3.535c0-1.279.488-2.56 1.465-3.536A4.985 4.985 0 0 1 7.494 6.46c1.24-.029 2.49.4 3.472 1.29l.01.01L12 8.774l.851-.85.01-.01c1.046-.951 2.322-1.434 3.59-1.434 1.273 0 2.52.49 3.472 1.442z’/%3E %3C/g%3E %3C/g%3E %3C/g%3E%3C/svg%3E) 推荐 ’ fill=‘%23000’ fill-opacity=’.9’/%3E%3C/svg%3E) 留言