AI视频生成这么强？带你快速了解发展概况和应用场景！

AI 生成视频发展到什么程度了，效果如何？有哪些可用的产品方案？网上炫酷的效果如何实现？AI 视频的应用场景和案例有哪些？

本着对以上问题的探索，我开启了 AI 视频系列的探索。上篇将着重介绍技术发展概况和应用场景思考。

更多 AI视频生成神器介绍：

一、技术发展概况

长期以来，人们对 AI 视频技术应用的认知停留在各种“换脸”和视频特效上。随着 AI 图像领域的技术发展，AI 视频技术也逐渐取得了突破。本节内容结合 Claude、Perplexity 查询、项目论文整理而成。

1. 生成方法

从交互方式来看，当前 AI 视频生成主要可分为文本生成视频、图片生成视频、视频生成视频三种形式。

一些视频生成方法是先生成静态关键帧图像，然后构建为视频序列。也存在直接端到端生成视频的技术，无需进行多阶段处理即可生成视频，如基于 GAN、VAE、Transformer 的方法。

微软 NUWA-XL：通过逐步生成视频关键帧，形成视频的“粗略”故事情节，然后通过局部扩散模型（Local Diffusion）递归地填充附近帧之间的内容。

2. 关键帧 + 补间技术方式间的差异

代表产品：Deforum、AnimateDiff、Rerender a Video

（1）关键帧生成方式很多，主要通过各种 AI 生成图片的方式解决，最主流的方式是 Stable Diffusion，可最大程度的保证不同帧风格一致，在下文中会详细介绍实操案例。

（2）补帧算法:主要用于平滑关键帧之间的动作和细节。

光流补帧：通过计算两帧图像之间每个像素的运动向量，根据光流场生成中间帧。优点是计算量较小，速度快。代表产品是 EbSynth。

基于姿态补帧：利用人体关键点检测计算姿态信息（关节位置、角度等信息），进行中间帧图像合成。适合为具有复杂运动的复杂对象或角色制作动画。

重参考补帧：使用相邻的后向和前向帧作为参考，通过双向帧信息进行像素级补帧。

（3）完善策略: 进一步提升生成视频的整体质量和连贯性，协同补帧算法，弥补关键帧生成可能存在的各类缺陷。不同模型使用的方法有所差异。

渐进补帧：通过迭代多次补帧完善视频质量，逐步提升分辨率和连贯性。

递归框架：递归完善每一帧，直到达到质量要求。

增强后处理：使用图像增强 GAN 等技术，对生成的视频进行修复和提升，特别提升存在模糊、残影等问题的区域，增强整体质量。

对比学习：指学习和对比真实高质量视频数据，从中提取提升生成视频细节的模式。

模糊处理：使用滤波、平滑等算法处理生成视频，减少帧间的不连贯引起的毛刺和锯齿问题，增强视觉流畅性。

融合多个模型：不同模型生成相同视频，进行模型融合。

3. 端到端视频生成的技术差异

代表产品： Runway

GAN 生成对抗网络:

是一种无监督的生成模型框架，通过让两个神经网络相互博弈来进行机器学习。可以生成视觉逼真度高的视频，但控制难度大、时序建模较弱。

VAE 变分自编码器:

它是一种可以学习数据分布的网络结构。就像把视频文件压缩成较小的文件再解压一样，它可以重建视频数据。VAE 可以根据条件输入控制生成过程，但质量较 GAN 略低。

GAN、VAE 生成视频速度快，缺点是生成质量和分辨率较低，长度短，控制能力弱。

Transformer 自注意力机制:

通过学习视频帧之间的关系，理解视频的长期时间变化和动作过程，这种方式对长视频建模更好，时序建模能力强，可实现细粒度语义控制，缺点是计算量大。

4. AI 视频生成当前面临的问题

当前仍面临生成时间长、视频质量不稳定，生成的视频语义不连贯、帧间存在闪烁、分辨率较低等问题。解决方案有：

使用渐进生成、增强时序一致性的模型等方法解决。

上述的补帧算法、视频完善策略也可在一定程度上缓解问题。

二、应用场景思考

1. 现阶段应用场景

在盘点完全部产品后，我感受到 AI 视频产品目前面向的主要受众群体有：

（1）专业创作者（艺术家、影视人等）：

AI 生成能够为作品赋予独特风格和想象力，为创作者提供灵感，配合高超的剪辑技巧和叙事能力，便可以制作出超乎想象的效果。低成本动捕更是能够大幅降低后期制作的门槛和成本，自动识别背景生成绿幕、视频主体跟随运动等能够辅助视频编辑，为后期制作增加更多空间。

目前该应用主要集中在音乐 MV、短篇电影、动漫等方向。

一些 AI 视频平台也积极寻求创意合作，为创作者提供免费支持。

@valleeduhamel 使用现有的素材、Gen-1 和大量合成创作了新电影《After Light》的过程分享

Ammaar Reshi 的团队使用 Stable WarpFusion + Davinci Resolve 制作完整的动漫剧情，制作过程分享

（2）自媒体、非专业创作者：

这部分人群通常有着非常具体且明确的视频剪辑痛点。

a. 比如科技、财经、资讯类重脚本内容的视频在制作时需花费大量时间寻找视频素材、还需注意视频版权问题。一些产品（Invideo AI、Pictory）已经在发力脚本生成分镜、视频，帮助创作者降低视频素材制作门槛。

Gamma AI 已经实现了文章高效转 PPT 的能力，若能结合 Synthesia、HeyGen AI、D-ID 等产品的 Avatar、语音生成能力也可快速转化为视频内容。

b.不同平台适合不同内容形式，创作者想要将同一个素材在不同平台分发就意味着制作成本的升高。而 OpusClip 提供的长视频转短视频致力于解决这一痛点。

（3）企业客户：

对于没有足够视频制作资金的小企业、非盈利机构来说，AI 视频生成可以为其大幅缩减成本。

想要制作低成本的营销视频、企业宣传视频、培训课程，可以使用 Synthesia、HeyGen AI、D-ID 等产品，用 Avatar 代替真人出镜。

又如出海企业需要给产品（商品）推广、介绍使用体验，早在 21 年，诗云马良平台就推出了给视频中模特换脸、切换语言的能力，方便电商营销商家进行产品的本地化推广。近期 HenGen AI 也公布了 AI 切换视频内语言的能力，并且能够将 Avatar 口型与视频相匹配。

在互联网设计工作流中的应用畅想

在互联网产品设计领域，设计师的工作主要涉及宣传视频、3D 动画、页面动画、图标动画制作，且产出内容需具备具体需求场景下落地的要求。

目前 Move AI 这样的产品让我看到了在游戏和产品设计工作中大幅降低 3D 动画制作成本的可能。未来设计师可能只需要拍摄特定动作并映射到制作好的 3D 模型中，快速制作动画方案。

By Mark Peart

目前，Figma、Protopie 等产品支持的智能动画功能已经能够基于补间算法，在用户仅定义动画的开始和结束状态的情况下自动生成中间帧。未来不排除实现通过文字更加精确的控制动画的可能。

下一篇中，我们将着重了解每个产品的特点和具体使用方法，也会通过实践案例展示效果。

应用场景思考中提到的视频工具均会在下篇出现，敬请期待～