想進(jìn)Kimi創(chuàng)作空間，挺簡單。
這個(gè)功能在哪兒呢？就在聊天界面下面，有個(gè)不太顯眼的按鈕，上面寫著：Kimi創(chuàng)作空間。
點(diǎn)進(jìn)去后，會(huì)看到一個(gè)全新的創(chuàng)作界面，上面寫著：你喜歡的歌都有它的視頻。我們可以簡稱這個(gè)功能為：文生視頻。
有沒有拿到內(nèi)測名額呢？快去看看。這個(gè)功能怎么用？進(jìn)了創(chuàng)作空間，它有13個(gè)模板，比如：末日風(fēng)格、賽博朋克、情書風(fēng)格、哈利波特黑谷風(fēng)格、搖滾風(fēng)格等等。
操作步驟就兩步：一，輸入提示詞；二，選擇風(fēng)格。然后等著生成就可以了。
如果你是新手，可能會(huì)問：怎么寫音視頻的提示詞？別擔(dān)心。在內(nèi)容描述后面，有一個(gè)選項(xiàng)叫做幫我寫XX風(fēng)格的提示詞。
點(diǎn)擊這個(gè)選項(xiàng)，它會(huì)自動(dòng)生成一兩句描述相關(guān)內(nèi)容風(fēng)格的內(nèi)容；整個(gè)過程不需要太多理解成本，只要會(huì)用AI，基本都會(huì)操作。
我試了三種風(fēng)格：情書、末日和黑白復(fù)古。生成速度挺快的，隨機(jī)點(diǎn)開一個(gè)生成的作品，是個(gè)14秒的音視頻。
從視頻人物來看，一眼就能看出是AI生成的，和真實(shí)人物修圖后的質(zhì)感不一樣，模擬感比較重，這也是現(xiàn)在大多數(shù)模型的共同問題，不用太驚訝。
不過，好在它沒有出現(xiàn)「恐怖谷臉」的情況。動(dòng)作、表情和皮膚紋理都挺流暢，眼睛大小、牙齒排列和耳朵形狀都沒有問題，在人物呈現(xiàn)上整體很協(xié)調(diào)，這絕對(duì)是模型的一個(gè)進(jìn)步。
再來說說場景。
我對(duì)近景、遠(yuǎn)景、特寫和空鏡都做了測試。我覺得遠(yuǎn)景效果最好，因?yàn)橐暯谴?，給人的整體感覺不一樣。
我給遠(yuǎn)景設(shè)定的是音樂會(huì)現(xiàn)場，就像我們平時(shí)想的那樣，能看到所有人舉著手，還有燈光營造出的氛圍，這方面它做得確實(shí)不錯(cuò)。
中景上，我給Kimi的提示詞是這樣：我告訴它，秋天的公園，一對(duì)情侶在落葉中散步，女孩輕輕踢著地上的落葉，男孩伸手接住一片，然后笑著遞給她。
它生成的結(jié)果畫面整體感覺挺秋天的，情侶之間的互動(dòng)也表現(xiàn)出來了，但是，落葉的形狀，情侶的表情動(dòng)作這些細(xì)節(jié)沒那么完美，還得再改進(jìn)。
近景的效果一般，特寫就不一樣了，感覺挺真實(shí)的，甚至還有讓人眼前一亮的地方。
我給近景的提示詞是：
一張泛黃的情書靜靜地?cái)傇诠爬蠒郎?，周圍都是舊書和一支鋼筆，自然光灑進(jìn)來，情書紙頁微微顫動(dòng)，像是在講過去的事。
它生成的畫面挺清晰，把描述的場景呈現(xiàn)得不錯(cuò)，雖然和真實(shí)場景比起來還有點(diǎn)差距，但在特寫上的表現(xiàn)已經(jīng)超出了預(yù)期，讓我看到了它在特定鏡頭上的潛力。
所以，在沒有人物的特寫場景上，Kimi還不錯(cuò)。
圖示：Kimi創(chuàng)作空間作品直接生成畫面
看到這，你也許會(huì)有疑問：為什么每個(gè)頁面還能編輯呢？沒錯(cuò)，在Kimi 創(chuàng)作空間里，音視頻生成好了之后，有不滿意的地方，可以針對(duì)每一幀進(jìn)行單獨(dú)創(chuàng)作。
比如：
你做了個(gè)14秒的視頻，系統(tǒng)大概會(huì)分成12幀或13幀，每幀旁邊都能單獨(dú)寫提示詞，寫完后，就能用新的提示詞重新生成這一幀。這是個(gè)功能亮點(diǎn)。
如果你覺得模板里的音樂不好聽，或者系統(tǒng)自帶的音樂不合心意，可以輸入鏈接，系統(tǒng)能提取音樂，還能上傳自己的音樂，我看它現(xiàn)在能處理抖音的鏈接，挺方便。
對(duì)了，上傳完音樂，選好模板，如果不知道怎么寫提示詞，也不用擔(dān)心，只要輸入幾個(gè)關(guān)鍵詞就行。
我選了開始懂了這首歌，在內(nèi)容描述里寫了戀人、公園、牽手、失落這些詞，接著點(diǎn)幫我寫的按鈕，它就能生成一段話，省了不少事。
還有個(gè)好處，如果覺得生成慢，可以回到聊天界面，過一兩分鐘再回來，你的內(nèi)容還在，不會(huì)影響生成。Kimi生成完內(nèi)容后，會(huì)發(fā)短信通知你，這點(diǎn)挺方便的。
有優(yōu)勢(shì)總有劣勢(shì)，我的感受有五點(diǎn)：
一，每次生成的視頻時(shí)長有限，只能生成十幾秒的視頻；二，在個(gè)性化方面比較欠缺，如果想調(diào)整聲音的語調(diào)之類的，系統(tǒng)不支持。
不過，也有個(gè)解決辦法，是可以自己先錄一段音頻，把語調(diào)都調(diào)整好，然后再上傳上去，這樣就能彌補(bǔ)一些不足，但總歸還是沒有系統(tǒng)直接支持方便。
三，生成的視頻質(zhì)量有時(shí)不穩(wěn)定。就像我之前說的，人物看起來和場景細(xì)節(jié)有時(shí)不夠完美，不是每次都能達(dá)到最好的效果，而且風(fēng)格模板雖然多，但有些風(fēng)格比較籠統(tǒng)，不夠細(xì)致。
比如：我想要特定年代或者情感的氛圍，就很難精確做到。這對(duì)于對(duì)于細(xì)分場景下想用音視頻的人來說，反而非常重要。
四，對(duì)于新手來說，即使有幫忙生成提示詞的功能，有時(shí)生成的提示詞還是挺模糊的，讓人搞不清楚到底能做出什么樣的視頻，如果是專業(yè)視頻制作人，他們可能也會(huì)有同樣的煩惱。
還有一點(diǎn)，現(xiàn)在還不能分享作品，只能下載。我不知道這算不算一個(gè)很重要的功能。不過，根據(jù)使用其他平臺(tái)的經(jīng)驗(yàn)，好像這個(gè)功能也不是那么關(guān)鍵。
你也可以親自體驗(yàn)下，看看感受如何？
不得不說，文生視頻發(fā)展挺快，GIR報(bào)告說，2023年全球文生視頻的市場收入大概有720萬美元，預(yù)計(jì)到2030年能漲到22.19億美元。這表示從2024年到2030年，每年的增長率可能會(huì)有56.6%。
感受不到數(shù)字帶來的沖擊也沒關(guān)系，我們換個(gè)角度想。
現(xiàn)在廣告、影視、教育領(lǐng)域?qū)Χ桃曨l的內(nèi)容需求蠻大，大家都說行業(yè)不好做，裁員也多，其實(shí)公司大部分可重復(fù)、不用人力的工種的確在進(jìn)一步被AI、或者會(huì)用AI的人替代。
2023年麥當(dāng)勞就發(fā)布了一個(gè)全AI制作的廣告。
這個(gè)廣告把麥當(dāng)勞的品牌元素巧妙地融入到生活場景里，比如動(dòng)作細(xì)節(jié)、情緒狀態(tài)等等，這種制作方式不僅讓內(nèi)容制作更快，還顯示了AI在大量生產(chǎn)商業(yè)內(nèi)容上的潛力。
還有伊利的《千年江南》和《伊笑過龍年》，這些視頻用AI技術(shù)快速變換場景和面部表情，給廣告增加了特別的情緒和視覺效果。
案例還有很多，不逐一列舉。所以，這種嘗試大大降低了廣告制作成本，也說明了，AI生成視頻已經(jīng)成為廣告創(chuàng)意的一個(gè)有效工具；它可能還不能直接做出一個(gè)完整的廣告視頻，但至少成了一個(gè)有用的輔助工具。
一說生成、我也很好奇，到底哪些人會(huì)用文生音視頻？
AI技術(shù)發(fā)展先有技術(shù)，再逐步找到應(yīng)用場景。但是推廣的時(shí)候，就得反過來，得先有人愿意用，用的人多了，大家才會(huì)開始關(guān)注。
這個(gè)過程就像是PMF（Product Market Fit），就是產(chǎn)品和市場要匹配，需要不斷調(diào)整。
我覺得，最開始用文生音視頻的可能是自己做視頻的人。比如：拍短視頻的博主、做內(nèi)容的創(chuàng)作者，或者是給客戶服務(wù)的團(tuán)隊(duì)，這些人用了之后，提高了工作效率，慢慢就會(huì)吸引更多的服務(wù)公司來用。
而且，這項(xiàng)技術(shù)也可能會(huì)用在游戲、電影、電商這些地方。比如網(wǎng)易的《逆水寒》，里面很多角色是AI做的。還有像天貓、京東這樣的電商平臺(tái)，也開始用AI來做創(chuàng)意內(nèi)容了。
從公司的角度來看，他們要功能很強(qiáng)的AI模型，能和他們的業(yè)務(wù)很好地結(jié)合，個(gè)人用戶呢？希望模型操作簡單，用起來方便，能快速幫他們解決問題。
這兩者并不沖突，反而是相輔相成的。因?yàn)橹挥懈鄠€(gè)人用戶使用并反饋，模型才能不斷優(yōu)化，經(jīng)過多次迭代，最終為企業(yè)客戶提供更強(qiáng)大的服務(wù)。
可以說，個(gè)人用戶的廣泛使用為模型的成長打下基礎(chǔ)，模型越成熟，就越能滿足企業(yè)的需求，推動(dòng)整個(gè)行業(yè)向前發(fā)展。
我看到Kimi最近在不斷發(fā)力，比如：推出了數(shù)學(xué)版k0-math，悄悄測試文生音視頻。這些動(dòng)作其實(shí)展現(xiàn)了Kimi在向多模態(tài)技術(shù)發(fā)展的過程中，邁出的一些關(guān)鍵步驟。
為什么說這是關(guān)鍵一步呢？
先了解一下什么是多模態(tài)（Multimodal）。簡單來說，就是讓AI能同時(shí)處理文字、圖片、聲音、視頻這些不同形式的數(shù)據(jù)。這樣就能打破只處理一種數(shù)據(jù)的限制，給用戶提供更全面的解決方案。
它之所以重要，是因?yàn)閺氖袌鼋嵌瓤矗?dāng)前許多大模型廠商都在圍繞自己的核心業(yè)務(wù)，深耕多模態(tài)技術(shù)，這種依托業(yè)務(wù)根基的發(fā)展方式讓模型更具競爭力。
比如：
阿里推出通義大模型系列，針對(duì)金融、醫(yī)療、娛樂這些行業(yè)進(jìn)行定制；還有Qwen系列模型，Qwen-Math搞數(shù)學(xué)，Qwen-Coder為編程設(shè)計(jì)，Qwen-VL理解圖片視頻內(nèi)容。
阿里還有個(gè)M6模型，專門針對(duì)電商場景設(shè)計(jì)商品、寫文案、創(chuàng)作虛擬主播劇本等等，這些模型在適應(yīng)不同場景和細(xì)分領(lǐng)域上都很強(qiáng)。
再看看豆包大家族，更是大力出奇跡。
它有兩個(gè)主要的模型，一個(gè)叫 Pro，針對(duì)大規(guī)模文本創(chuàng)作的；另一個(gè)叫Lite，滿足輕量化定制應(yīng)用需求。
除此之外，還有音樂語音模型、聲音復(fù)刻模型、文生圖模型、圖生圖模型、視頻模型，甚至角色扮演和同聲傳譯的模型都有。他們把模型應(yīng)用到了各種工作場景，到處都能看到他們的身影。
所以，Kimi肯定要通過多模態(tài)布局來核心競爭力。
話說回來，像字節(jié)和阿里這樣的公司，在商業(yè)化大模型時(shí)有個(gè)特點(diǎn)：他們會(huì)將模型能力封裝成具體產(chǎn)品，通過產(chǎn)品來驗(yàn)證市場需求，再利用產(chǎn)品實(shí)現(xiàn)商業(yè)化。
字節(jié)的豆包，它不僅是一個(gè)大模型的框架，還衍生出很多具體的產(chǎn)品，比如即夢(mèng)。
主要用于文生圖、文生視頻、圖生圖、圖生視頻等領(lǐng)域，而且它已經(jīng)進(jìn)一步商業(yè)化，直接和市場上的可靈等產(chǎn)品進(jìn)行對(duì)標(biāo)和競爭。
但Kimi的產(chǎn)品包裝能力還比較弱，雖然推出了一些功能不錯(cuò)的模型，但商業(yè)化的速度和市場驗(yàn)證的效率顯得更慢一些。
這也導(dǎo)致Kimi在發(fā)展過程中可能更多依賴資本推動(dòng)，這種模式比起快速形成產(chǎn)品閉環(huán)的路徑，市場吸引力可能不夠。
相比之下，Kimi在這一點(diǎn)上還有很大的進(jìn)步空間。
如果能把模型能力包裝成獨(dú)立的產(chǎn)品推向市場，用產(chǎn)品來快速測試市場反饋，那么發(fā)展速度可能會(huì)更快。
因?yàn)椋脩舨皇巧底?，真正要讓一個(gè)人付費(fèi)時(shí)，反而會(huì)衍生出諸多真需求，而滿足這些真需求，才是走向垂直細(xì)分更重要的一步。
因此，商業(yè)化和技術(shù)發(fā)展并不沖突，有能力不代表有用，這些問題，可能要Kimi進(jìn)一步思考。
看完覺得寫得好的，不防打賞一元，以支持藍(lán)海情報(bào)網(wǎng)揭秘更多好的項(xiàng)目。
感謝您的支持，我會(huì)繼續(xù)努力的!
打開支付寶掃一掃，即可進(jìn)行掃碼打賞哦
手機(jī)直接保存圖片,掃一掃識(shí)別二維碼,即可進(jìn)行掃碼打賞哦
