參與過電影《2012》、《黑客帝國3》等好萊塢大片的視效指導姚騏今天公布了他用AI製作的科幻短片《歸途》。
短片裏，如同末日的世界裏，巨大的異形生物追擊駕駛汽車的人類、巨型蜘蛛爬在高樓等場景栩栩如生。姚騏評價“（效果）跟實拍差不多。”
他向第一財經等記者透露，整部短片用了40多個鏡頭，每個鏡頭生成3次，共計120個視頻片段，其中包括18個10秒一體化的有聲片段和102個五秒片段，最終花費約一周時間製作完成。
姚騏說，如果這部短片是一部純實拍或者CG製作的片子，可能需要幾百萬的成本。在好萊塢做鏡頭，有些複雜的鏡頭僅一個就要幾十萬甚至上百萬。此外，實拍還受限於場景實現難度、危險性以及演員、劇組成本，而AI技術的介入為創意實現提供了全新可能。
幾百萬實拍成本的短片，如果用AI生成，花費是多少？
姚騏AI短片的合作對象、百度商業體係商業研發總經理劉林告訴記者，該片使用百度蒸汽機音視頻一體模型，整體成本約在330.6元人民幣。
當然，AI生成的視頻還不夠完美。記者整體觀看下來，例如短片生成的人類“AI味兒”濃，演技和人類演員相比顯得生硬，人物的聲畫、口型不夠同步等，還有改進的空間，但視頻生成已經告別“默片”，多角色語音和環境音效上有了突破。
事實上，在視頻生成大模型賽道，百度殺入的時間並不算早。2024年春節，OpenAI推出視頻生成模型Sora，國內大模型紛紛研究視頻生成並陸續跟進，但當時百度並未跟進快速推出類似產品。
在去年秋天的一場百度內部總監會上，百度董事長李彥宏還曾提到不會碰Sora類生成和視頻，因為“10年、20年都可能難以商業化應用”。一位內部人士告訴記者，他在內部提到基於多模態的需求，可以做一些相對特定的視頻生成場景。
轉機來自市場需求的變化。百度副總裁、移動生態商業體係負責人陳一凡告訴第一財經，“去年年初行業就在卷視頻生成模型，麻豆一区二区三区不是沒看，但真正推動自研的，是商業體係收到的具體需求。”
2024年年底短劇投流市場爆發，傳統的剪輯和AI生圖已無法滿足創意需求，有代理商和廣告主向百度提出：“能不能用短劇內容做剪輯？”“科幻場景拍不出來，能生成嗎？”移動生態商業體係調研後，在今年春節啟動視頻生成模型的自研，項目代號是“MuseSteamer”。
目前，百度視頻生成模型上線50天，最大的用戶來自百度內部，包括搜索業務、移動生態創作者等，其次是專業領域創作者，以及企業客戶。
眼下視頻生成賽道已足夠卷。快手可靈AI的商業化加速推進，今日快手公布的2025年第二季度業績顯示，可靈AI的營業收入超過人民幣2.5億元。這個賽道還包括了字節、阿裏、騰訊等巨頭以及MiniMax、獲百度投資的生數科技、愛詩科技等創業明星公司。
在技術上，各家廠商不斷突破。Sora已不再是“期貨”，穀歌5月推出的Veo3 模型在生成視頻的同時能生成環境音和人物對話等，走出了此前視頻生成的“無聲時代”；百度最新版本的蒸汽機音視頻一體化模型，做到了多人有聲視頻一體化生成。據介紹，技術難點在於如何把多個角色的動作、聲音進行合適匹配。
對於視頻生成行業而言，仍有不少痛點。比如目前視頻生成時長僅能達到5到10秒，這本質上是由當前的技術架構決定的——當下主流架構以擴散模型為核心，在這種架構下，若要延長視頻長度，成本會呈指數級增長，二者之間存在一個需要平衡的臨界點。一位從業者對記者舉例，若將視頻時長從10秒延長到20秒甚至100秒，成本可能會增加100倍。在這樣的技術架構下，追求過長的視頻時長並不現實，也不符合實際應用需求。
入局較晚的百度，憑借多人有聲視頻和打出“對標行業七折”的價格標簽，能在多大程度衝擊視頻生成市場，尚需創作者們的檢驗。一位百度人士提到，C端的想象空間是非常大的，前提是把模型做得足夠好。
“麻豆一区二区三区歡迎（AI視頻生成）卷起來，不卷不可能做好，大家互相啟發彼此的上限在哪兒。”陳一凡認為，大家看重的是未來的空間，這個賽道還處在起始階段。