近期，國內(nèi)AI視頻生成領(lǐng)域的創(chuàng)新企業(yè)愛詩科技宣布成功完成A2至A4輪融資，融資總額接近3億元人民幣。本輪融資由螞蟻集團、北京市人工智能產(chǎn)業(yè)投資基金、國科投資以及光源資本共同投資。

隨著2024年步入尾聲，回顧這一年，OpenAI旗下的Sora發(fā)布已近一年。那么，中國的視頻生成創(chuàng)業(yè)公司表現(xiàn)如何呢？面對這一疑問，愛詩科技的創(chuàng)始人王長虎表示，公司已經(jīng)實現(xiàn)了年初設(shè)定的目標。

自Sora預覽版發(fā)布后，王長虎曾預計，愛詩科技將在3至6個月內(nèi)達到Sora當前的水平。12月，Sora正式面世，盡管在產(chǎn)品和交互層面帶來了不少創(chuàng)新功能，但市場反饋顯示，Sora的實際效果并未如預期般驚艷。相比之下，愛詩科技的核心產(chǎn)品PixVerse在中文測試榜單SuperClue中，已經(jīng)位居文生視頻榜單的首位，并且在全球市場中，PixVerse也被列為AI視頻生成應用的第一梯隊產(chǎn)品。

自創(chuàng)業(yè)以來，愛詩科技在兩年內(nèi)取得了顯著的成果。PixVerse于2024年1月上線，首月訪問量即超過120萬。相比之下，硅谷的明星AI視頻生成初創(chuàng)公司Pika，上線后三個月的月訪問量約為200萬。一年后，PixVerse的全球用戶數(shù)已超過1200萬，月活躍用戶數(shù)接近600萬，并且公司已經(jīng)實現(xiàn)了規(guī)?；杖搿?/p>

PixVerse的快速增長得益于其底層視頻模型的多次更新。在2024年，愛詩科技經(jīng)歷了三次重大迭代，包括1月的視頻模型V1和7月的V2模型，后者是國內(nèi)首批發(fā)布的對標Sora等DiT架構(gòu)路線的視頻大模型。在清晰度、一致性、物理規(guī)律以及指令跟隨方面，PixVerse均有了顯著提升。10月底，最新V3模型的上線更是引發(fā)了社交媒體上的熱潮，TikTok、抖音和小紅書等平臺上爆火的“毒液”特效，總曝光量超過億次，多位素人博主使用該特效拍攝的視頻獲得了超百萬的播放量。

王長虎表示，“毒液”特效的爆火與PixVerse的底層模型能力密切相關(guān)。自2024年3月起，愛詩科技推出了全球首個Character2Video（人物一致性）模型，并不斷迭代解決方案。通過在擴散模型（DiT）生成過程中對ID進行精準約束，視頻中的人物形象能夠與背景保持高度一致，提升了用戶體驗。

過去一年中，生成式視頻領(lǐng)域的難點依然集中在一致性、物理規(guī)律等方面，技術(shù)難點尚待突破。王長虎坦言，當前行業(yè)的技術(shù)路線尚未收斂。與此同時，行業(yè)內(nèi)對AI視頻的認知和期待已變得更加理性。例如，Sora發(fā)布時能夠生成長達1分鐘的視頻，但真正將視頻長度拉長后，生成視頻的一致性、清晰度等方面可能不盡如人意。面對不滿意的結(jié)果，用戶頻繁點擊“重新生成”，反而影響了用戶體驗。

因此，當前AI視頻領(lǐng)域的努力方向已從比拼時長轉(zhuǎn)向視頻內(nèi)容的一致性、清晰度、運動幅度等更多維度。王長虎指出，為了保證用戶體驗和可用性，單純追求視頻時長并無太大意義。PixVerse目前支持生成10秒以內(nèi)的高質(zhì)量視頻，清晰度最高可達4K，已達到商用級別。相比之下，去年行業(yè)普遍能夠做到的高質(zhì)量AI視頻停留在5秒內(nèi)，且清晰度普遍在1080p以下。

PixVerse還在不斷更新產(chǎn)品及模型。11月，PixVerse發(fā)布的新功能允許用戶上傳視頻，并通過Prompt或選擇特效進行視頻延長生成。12月，PixVerse的下一個模型V3.5版本已進入內(nèi)測階段，生成視頻速度可縮短至30秒以內(nèi)，提示詞響應及運動控制能力顯著提升，即將正式上線。

這一趨勢已有跡象可循。王長虎說：“過去一年，我們經(jīng)歷的重要變化之一是用戶從專業(yè)創(chuàng)作者擴展到C端用戶群體?！边@促使愛詩科技在產(chǎn)品功能上不斷降低門檻。在PixVerse中，已內(nèi)置了數(shù)十種特效模板，用戶只需輸入一張圖片即可生成視頻，無需自己輸入或思考如何寫Prompt。

進入2024年，初創(chuàng)公司面臨的另一個重要問題是如何應對巨頭的競爭。AI視頻生成領(lǐng)域已涌現(xiàn)出眾多玩家，包括快手、字節(jié)跳動、阿里巴巴和騰訊等巨頭均在2024年推出了相應的AI視頻模型。對此，王長虎持樂觀態(tài)度。他認為，盡管發(fā)展迅速，但當前視頻生成賽道仍處于GPT-2到GPT-3的階段，尚有許多技術(shù)難點需要突破，這為初創(chuàng)公司提供了機會。此前，愛詩科技的核心團隊以少于競爭對手十倍以上的體量攻克了不少業(yè)界技術(shù)難題。