實測萬興科技旗下萬興“天幕”：本土化優(yōu)勢明顯，多媒體生成能力穩(wěn)定

文 | 智能相對論

作者 | 沈浪

隨著OpenAI在2024開年發(fā)布Sora引爆市場，視頻大模型成了新一代“全球通殺”的AI技術(shù)，也讓業(yè)界對誰能成為“中國版Sora”充滿了期待。

其結(jié)果，是各類廠商在龐大的市場蛋糕驅(qū)動下，都不可避免地爭做“中國版Sora”。而正如歷次技術(shù)重大革新浪潮中，“中國版”的名頭并非誰最先做出來，誰就能戴上王冠，其背后，自帶兩重要求：

首先，“中國版”本身意味著對本土內(nèi)容創(chuàng)作有直接的驅(qū)動價值，否則大模型創(chuàng)新價值將減少，陷入“別人有所以我才要有”的邏輯中，而不是真正圍繞本土價值展開。這是價值標(biāo)準(zhǔn)和導(dǎo)向。

然后，要能力夠強、夠全面，要能對標(biāo)到“Sora”的能力方向，而不是差較遠。這是基礎(chǔ)也是底氣。

“中國版”+“Sora”，組合起來，才是“中國版Sora”。

欣慰的是，智能相對論發(fā)現(xiàn)，目前業(yè)內(nèi)部分大模型已開始展現(xiàn)這一潛力。今年1月初，AIGC軟件A股上市公司萬興科技（300624.SZ）發(fā)布了國內(nèi)首個專注于數(shù)字創(chuàng)意領(lǐng)域的音視頻多媒體大模型——萬興“天幕”，并憑借大模型在視頻、音頻、圖像、文本等多媒體領(lǐng)域的強大能力，吸引了業(yè)界的廣泛關(guān)注。據(jù)介紹，萬興“天幕”依托15億用戶行為數(shù)據(jù)和百億本土化音視頻數(shù)據(jù)，具備近百項音視頻原子能力，并已通過中央網(wǎng)信辦備案。

前不久，萬興“天幕”正式開放公測，提供了包括文生視頻、文生音樂、文生音效、文生圖等等多樣化功能的測試入口，其中文生視頻功能支持一鍵生成60秒+視頻。上周末，睽違4年的《歌手2024》震撼開唱，而據(jù)透露，節(jié)目片頭中部分畫面便是由萬興“天幕”支持生成，超高清晰度的精致畫面更是吊足了視頻從業(yè)者的胃口。

（《歌手》片頭部分畫面由萬興“天幕”技術(shù)加持生成）

萬興“天幕”綜合能力究竟如何，有是否真的能生成60+秒視頻？《智能相對論》特別在萬興“天幕”近期公測期間，體驗了相關(guān)能力。

1.基本操作：小白友好，可體驗7大功能

（萬興“天幕”公測頁面）

打開萬興“天幕”的公測頁面，7大功能陳列在左側(cè)功能欄，包括文生視頻、視頻風(fēng)格化、文生音樂、視頻配樂、文生音效、文生圖、圖生圖，完美契合了“音視頻大模型”這一定位。

目前，每個功能每日可進行10次生成；具體到操作層面，每個功能的操作都很簡單，基本都只需要進行prompt輸入+選擇風(fēng)格即可生成，新手也可快速上手，符合其“賦能創(chuàng)作者”的定位。

2.文生視頻功能實測：“中國特色”理解力及生成效果表現(xiàn)優(yōu)異

在萬興“天幕”的介紹中，“本土化音視頻數(shù)據(jù)”引人注目。目前包括Sora、MidJourney等在內(nèi)的大部分視頻/圖像生成模型，都主要是以海外數(shù)據(jù)進行訓(xùn)練，對中國元素的生成仍舊不盡如人意。作為國產(chǎn)音視頻大模型的先鋒者，除了視頻整體效果外，萬興“天幕”在“中國特色”內(nèi)容的生成層面表現(xiàn)如何，也是我們這次測評的重點之一。

點開文生視頻功能頁，輸入描述詞“張家界美麗的自然風(fēng)光，包括其標(biāo)志性的柱狀山脈、茂密的森林和云霧繚繞的景觀”。等待5分鐘后，一段60秒長度的視頻就生成出來了。單從生成效率來看，天幕表現(xiàn)不錯。

（萬興“天幕”文生視頻頁面）

接下來具體看看生成效果。

描述詞還原度方面，表現(xiàn)得可圈可點——張家界的景色特點鮮明，奇峰聳立、山巒疊嶂、云霧繚繞，且整體畫面自然真實，細節(jié)上也完成得不錯。此外值得注意的是，天幕在沒有任何動作、情節(jié)描寫的簡短描述詞的基礎(chǔ)上，進行了不少“自我創(chuàng)作”，不僅有遠景近景以及視角的變幻，還可根據(jù)自己的理解，在畫面中增加了河流、寺廟、花朵等視覺元素，讓1分鐘時長的視頻內(nèi)容更豐富、變化更多樣。

（萬興“天幕”部分視頻生成效果）

3.多媒體內(nèi)容生成實測：“六邊形戰(zhàn)士”發(fā)揮穩(wěn)定

作為全國首個音視頻多媒體大模型，天幕不僅僅具備文生視頻能力，更集合了音頻、圖像等其他多媒體種類的內(nèi)容生成能力。接下來，就一起來看看天幕在其他內(nèi)容類型上的表現(xiàn)吧。

首先是圖像生成。還是張家界，這次我們加點人物進去，選取“電影打光”風(fēng)格，輸入提示詞“一名游客在張家界快樂地游玩，寫實風(fēng)格”，幾秒后圖片就生成出來了。

從生成效果來看，景色展示一如既往的穩(wěn)定，這次描述詞中沒有具體的景色描寫，但是可以看到張家界的特色依舊很明顯。

此外，圖片中還有一個細節(jié)非常驚喜。描述詞中強調(diào)人的特征，但是天幕自然而然生成了中國人的形象，不論是畫面中的主要人物還是作為背景展現(xiàn)的其他游客形象，都是清一色的黑頭發(fā)黃皮膚。自信大方的笑容，自然輕松的體態(tài)，非常符合日常的穿著。

（萬興“天幕”文生圖效果）

接下來，看看文生音效的表現(xiàn)。輸入描述詞“鳥叫聲”即可生成，很快就生成出10秒的音頻出來。質(zhì)量方面，鳥叫聲非常清脆逼真，用來作為視頻的背景音效毫無問題。

（文生音效頁面）

綜合來看，天幕已經(jīng)具備了多模態(tài)處理能力，任務(wù)完成度和一致性上表現(xiàn)不錯，已經(jīng)初現(xiàn)“六邊形戰(zhàn)士”雛形，是目前市面上少見的以本土內(nèi)容為核心進行訓(xùn)練及生成的大模型。隨著后續(xù)技術(shù)的持續(xù)發(fā)展，通過不斷的打磨及投喂訓(xùn)練，相信天幕會是一個非常不錯的產(chǎn)品。

4.天幕未來展望：素材“彈藥”生產(chǎn)商

從實際體驗層面，天幕在風(fēng)景、場景類畫面生成上確實表現(xiàn)不錯，同時還具備音頻、圖像等多模態(tài)內(nèi)容的生成能力。結(jié)合目前透露的信息來看，萬興科技為天幕規(guī)劃的未來發(fā)展方向已呼之欲出：相較業(yè)界普遍討論的所謂“一鍵成片”“AI生成成品視頻”，天幕當(dāng)前階段在素材類內(nèi)容生成上表現(xiàn)突出，可為商業(yè)廣告、影視、旅游、社媒等視頻創(chuàng)作提供豐富的素材“彈藥”。

這也符合技術(shù)發(fā)展規(guī)律以及商業(yè)化落地基本邏輯。技術(shù)層面，由于數(shù)據(jù)集限制以及理解難度的指數(shù)級上升，視頻生成技術(shù)在完成度上仍有較大提升空間，其中自然景色類視頻相較人像類視頻的視頻數(shù)據(jù)更充分、完成度較高。

商業(yè)邏輯層面，視頻市場規(guī)模正在不斷擴大，但AI內(nèi)容在其中的切入角度還需要持續(xù)探索。目前來看，空鏡頭類素材在商業(yè)化層面的優(yōu)先級更高，人像類視頻則通常傾向于真人出鏡，還需要經(jīng)歷一定的技術(shù)和效果跨越。

總之，實測下來，可以說，“中國版Sora”是業(yè)界期許，也在萬興“天幕”上看到可能性。應(yīng)用驅(qū)動大模型發(fā)展、磨煉技術(shù)實力，以萬興科技為代表的先鋒者仍在持續(xù)探索和實踐。相信假以時日，萬興科技為代表的國產(chǎn)廠商，將帶領(lǐng)從業(yè)者們共同奔赴更美好的AI+視頻未來。

*本文圖片均來源于網(wǎng)絡(luò)

生成海報

免責(zé)聲明：此文內(nèi)容為第三方自媒體作者發(fā)布的觀察或評論性文章，所有文字和圖片版權(quán)歸作者所有，且僅代表作者個人觀點，與極客網(wǎng)無關(guān)。文章僅供讀者參考，并請自行核實相關(guān)內(nèi)容。投訴郵箱：editor@fromgeek.com。

免責(zé)聲明：本網(wǎng)站內(nèi)容主要來自原創(chuàng)、合作伙伴供稿和第三方自媒體作者投稿，凡在本網(wǎng)站出現(xiàn)的信息，均僅供參考。本網(wǎng)站將盡力確保所提供信息的準(zhǔn)確性及可靠性，但不保證有關(guān)資料的準(zhǔn)確性及可靠性，讀者在使用前請進一步核實，并對任何自主決定的行為負責(zé)。本網(wǎng)站對有關(guān)資料所引致的錯誤、不確或遺漏，概不負任何法律責(zé)任。任何單位或個人認為本網(wǎng)站中的網(wǎng)頁或鏈接內(nèi)容可能涉嫌侵犯其知識產(chǎn)權(quán)或存在不實內(nèi)容時，應(yīng)及時向本網(wǎng)站提出書面權(quán)利通知或不實情況說明，并提供身份證明、權(quán)屬證明及詳細侵權(quán)或不實情況證明。本網(wǎng)站在收到上述法律文件后，將會依法盡快聯(lián)系相關(guān)文章源頭核實，溝通刪除相關(guān)內(nèi)容或斷開相關(guān)鏈接。