2024AIGC视频生成：走向AI创生时代.pptx

出品机构：甲子光年智库

研究团队：张一甲、宋涛

发布时间：2024.03

*刘瑶、小麦对本报告亦有贡献。;;

Part02AIGC视频生成推动世界走向“AI创生时代”;;

能力项;

1.2Sora的展现效果

大模型训练的“暴力美学”在视频生成领域再次涌现卓越特性

OpenAI发现视频模型在大规模训练时表现出许多有趣的“涌现”能力，使Sora能够从物理世界中模拟人、动物和环境。值得一提的是OpenAI官网所说的“theyarepurelyphenomena

ofscale”——它们纯粹是“规模现象”，这再一次验证了“暴力美学”。;

1.3Sora的出现意味着AGI的又一个里程碑时刻

Sora意味着scalinglaw（规模法则）再次验证，推动文生视频进入“GPT-3”时刻

Scalinglaw（规模法则）的再次验证：虽然Sora并不十全十美，但它通过scalinglaw和原有模型拉开了差距，为视频生成领域提供了另一条可

以走通的路线，推动行业进入全新的阶段。;

诈骗垃圾信息

识别

翻译

基础问答回应;

40;

1.6Sora的技术原理

Patch（时空编码思路）+DiT（Diffusion和Transformer模型的结合）+ScalingLaw（规模效应）

Sora模型将视频压缩到低维空间（latentspace），并使用时空补丁（Spacetimelatentpatches）来表示视频。这个过程类似于将文本转换为

Token表示，而视频则转换为patches表示。Sora模型主要在压缩的低维空间进行训练，并使用解码器将低维空间映射回像素空间，以生成视频。

Sora使用了diffusion模型，给定输入的噪声块+文本prompt，它被训练来预测原始的“干净”分块。

Sora是diffusiontransformer，而transformer在各个领域都表现出显著的规模效应。;;;

74;;;;

AIGC视频生成工具可对视频生产流程进行重塑，由传统视频制作范式进化到“提示交互式”新范式。

“提示交互式”新范式相比传统范式具有三方面的重塑：

?“拍扁”制作过程：传统视频制作流程涉及多个阶段和专业团队的合作，耗费大量时间和资源；而AIGC视频生成可将视频生成、剪辑、后期等环节集于一体，仅需要输入提示词即可生成视频，省去了很多繁琐步骤，尤其可将摄影、素材收集、后期等环节取消或缩短。

?提升创意和剪辑自由度：传统视频制作通常由制作团队提出创意、编写剧本，受人的能力局限；提示交互式视频生成用更可视化的方式激发创作者想象力，支持创作者调用AI模型探索每个镜头的无限可能，而且剪辑过程可以随时发生。

?节省制作成本和时间：传统视频制作流程需要投入较多的人力、物力和时间，而提示交互式视频生成的流程成本和时间较少，可在提示交互的飞轮中迭代生成最终满足需要的内容。;

2.2L1-AI生产时代：AIGC视频生成将“多点开花”，开源是下个关键节点

伴随开源模型的出现，AI视频生成将迎来多元化的入局者;;

视频将成为人类的第二语言，大量用户会进行行为迁移——原本用文字表达的场景，将用视频直接表达。

文本与视频的无缝切换，让人类语言告别“词不达意”、“意在言外”的阶段。;

2.3L2-AI原生时代：AI渗透率无限逼近人类在数字世界生产活动行为边界

数字人与视频生成大模型的结合，推动数字人发展进入L5级

数字人与AIGC的结合一直是重要发展方向。在Sora出现之前，主要是数字人与文本生成模型（如GPT系列）的结合，生成虚拟角色的对话和互动内容，主要应用于虚拟助手、客服机器人、;

购物;

2.4L3-AI创生