豐色 蕭簫 發(fā)自 凹非寺

|  

斯坦福華人博士休學搞創(chuàng)業(yè)，直接火爆AI圈！

新產品瞄準AI視頻生成，剛出道就成行業(yè)頂流，引來一眾大佬圍觀評價。

OpenAI大牛Andrej Karpathy轉發(fā)，并激情附上長文一段：

每個人都能成為多模態(tài)夢境的導演，就像《盜夢空間》里的筑夢師一樣。

就連Stability AI創(chuàng)始人也來點贊：

這個新產品名為Pika 1.0，背后公司Pika于今年4月成立。

要知道，這一行的產品已有不少，如成立5年的Runway等公司。

在AI視頻生成“亂花迷人眼”的當下，這個新產品究竟是如何做到迅速破圈，吸引大量關注度的？

從放出的Demo效果來看，Pika 1.0不僅能根據文字圖片，流暢地生成一段視頻，動靜轉換就在一瞬間：

而且可編輯性還特別強，指定視頻中的任意元素，一句話就能實現(xiàn)快速“換裝”：

這樣的效果，也使得公司成立僅半年，產品用戶已經超過52萬人。

更是新斬獲5500萬美元融資，其中個人投資者不乏各種大牛，如Quara創(chuàng)始人Adam D’Angelo、Perplexity的CEO Aravind Srinivas、GitHub前CEO Nat Friedman等等。

所以，Pika究竟有沒有看起來這么好用？我們也立刻上手體驗了一番。

AI視頻新頂流長啥樣？

此次火爆出圈的Pika 1.0，是Pika發(fā)布的第一個正式版本產品。

經過四個多月Discord社區(qū)的測試，Pika認為是時候推出本次重大升級了。

相比之前Pika還只能用文字或圖像生成視頻，如今的Pika 1.0，功能要更加豐富——

不僅能根據文字、圖片或視頻風格生成視頻，還能對視頻局部進行編輯。

可編輯性有多強？

不僅畫面大小任意擴展，從5:2、1:1畫布，到9:16以及16:9的超大屏，4種選擇無縫轉換：

像什么3D、動漫、電影等各式各樣的風格濾鏡，那就更不用說了。

最重要的是，1.0正式版推出了用戶更友好的網頁版，不用在discord中一遍遍艾特機器人，就能直接上手玩。

（不過，現(xiàn)在它還需要排隊，需要點耐心。）

當然，也可以移步Discord社區(qū)先上手體驗一番。

盡管它還未隨網頁版更新到Pika 1.0，但我們也實測了一下文字、圖片生成視頻的效果，還不錯。

加入社區(qū)之后，直奔“Creations”，從下面的10個生成區(qū)隨便選擇一個進入即可開耍。

在輸入框中輸出“/”，選擇最簡單的“/create”命令：

在此，我們輸入“a robot dancing in the rain, sunset, 4k, -gs 8”提示詞交給機器人。

大概也就半分鐘的時候，視頻就出來了，速度相當快：

效果嘛，雨沒有表現(xiàn)得很明顯，但機器人的肢體動態(tài)性真的很強。

我們再來一個稍微長一些的提示詞：

a teenager walks through the city streets,takes pictures of places（一個青少年穿過城市的街道，拍攝照片）

仍然超級快，結果就出來了：

Wow，這次真的有很滿意，畫面符合腦海中的預測，甚至比我們想象得還要好。

除了純文字，咱還可以上傳一張參考圖像進行創(chuàng)作，使用“/animate”命令。

當當，一張靜態(tài)表情包就動起來了：

總的來看，Pika給出的視頻時長都是3s（所以使用太長的提示詞也沒用，后面會直接忽略掉），以及它還不能保證每次結果都很滿意，但總體來說多試幾次還是有不錯的結果出現(xiàn)的。

在自測之外，我們也來看看網友的作品，其中不乏非常驚艷的效果。

比如有人創(chuàng)作的這只小怪獸，憨態(tài)可掬，讓人忍不住想摸一把：

還有這段兩位小女孩的演奏畫面，看完我好像真的聽到了優(yōu)美的嗓音從中傳出：

最絕的還是這個白鴿圍繞短發(fā)美女翻飛的場面：

也太有氛圍感了吧～

看罷如上效果，我們也來盤盤這家公司究竟是什么來頭。

兩位斯坦福華人博士創(chuàng)立

Pika的創(chuàng)始人一共有兩位，郭文景（Demi Guo）和Chenlin Meng，都是斯坦福博士。

據The Information消息，郭文景于今年四月創(chuàng)立了Pika，隨后Chenlin Meng加入成為聯(lián)創(chuàng)，兩人合作開發(fā)了這個文本生成視頻模型。

從二人學術經歷來看，她們分別專注于NLP和計算機視覺兩個方向的AI研究，也都有生成式AI的學術經歷。

聯(lián)合創(chuàng)始人兼CEO郭文景，斯坦福大學AI實驗室（NLP&圖形學方向）博士。

她在美國出生，杭州長大，初中就讀的是杭州外國語學校，從小就接觸編程，奪得過IOI銀牌，從本科開始正式留學，被哈佛大學提前錄取。

此次創(chuàng)業(yè)，她的領英主頁顯示休學中（On Leave），應該是打算先忙創(chuàng)業(yè)的事情。

在斯坦佛大學讀博之前，郭文景在哈佛大學取得了計算機碩士和數學本科學位。

在本科期間，她曾經gap過一年，專程在Facebook AI Research全職做了一段時間的研究工程師。

在職期間，她參與了用Transformer分析2.5億個蛋白質序列的研究，目前這篇論文引用已有1200+，其中就包括后來大火的AlphaFold2：

除此之外，她也先后在Epic Games、谷歌和微軟等多家公司實習過。

這次創(chuàng)業(yè)，郭文景的導師Christopher D Manning也給予了不少支持。

Christopher D Manning以NLP方向的研究聞名，如今在谷歌學術上的引用量已有23w+，而他也將成為Pika的學術顧問之一。

聯(lián)合創(chuàng)始人兼CTO?Chenlin Meng，同樣是斯坦福計算機博士。

在此之前，她于2020年在斯坦福大學獲得了數學本科學位。

相比郭文景在NLP領域的研究經驗，她在計算機視覺、3D視覺方面的學術經歷更加豐富，參與的去噪擴散隱式模型（DDIM）論文，如今單篇引用已有1700+：

除此之外，她還有多篇生成式AI相關研究發(fā)表在ICLR、NeurIPS、CVPR、ICML等頂會上，且多篇入選Oral。

當然，隨著Pika 1.0爆火，Pika也開啟了進一步的招人計劃，從技術、產品到運營都有需求：

一個月內5家產品亮相

值得一提的是，不止是正在快速擴張的Pika。

就AI視頻這個行業(yè)而言，這段時間來整體都迎來了一段“爆發(fā)期”。

據不完全統(tǒng)計，從11月至今，短短一個月的時間就已經有5家AI視頻生成產品發(fā)布或迎來大更新：

首先就是11月3日，Runway的Gen-2發(fā)布里程碑式更新，支持4K超逼真的清晰度作品。

然后時間來到11月16日，Meta發(fā)布Emu Video，這個工具在用戶評估中號稱打敗Gen-2、Pika等對手，效果be like：

從Emu開始，大家都好像打起比賽來了，那叫一個爭先恐后。

才過兩天，11月18日，字節(jié)就半路殺出發(fā)布PixelDance，作品的動態(tài)性可謂史無前者，畫面中的元素都動作幅度都相當大，且不變形，讓人眼前一亮。

又僅過3天之后，11月21日，AIGC領域的佼佼者Stable AI也終于推出了自家的視頻工具：Stable Video Diffusion。

效果嘛，也很能打。

同一天，Gen-2又沒閑著，“橫插一腳”上線“涂哪動哪”的運動筆刷新功能，直接標志出生成模型可控性上的一個重要里程碑。

最后，就是今天了，11月29日，來自創(chuàng)業(yè)公司的Pika直接帶著網頁版發(fā)布正式版1.0，叫板“老大哥”Runway。

在此之外，我們還從未見過哪個階段有這么多各有特色、來自不同背景的產品爭相亮相。

這也讓人不得不感嘆一句：

AI視頻這是來到爆發(fā)前夜了？

歡迎大伙暢所欲言～

參考鏈接：
[1]https://twitter.com/demi_guo_/status/1729546758718656530
[2]https://pika.art/blog
[3]https://twitter.com/mignano/status/1729510740246020403