作者|James
刊前語
“歲寒，然後知松柏之後凋也。”2024年，娛樂行業迎來了更加複雜的局面。國內短劇超過電影，海外短劇超過傳統影視，直播演藝超過遊戲，團播秀場吸收了大量的綜藝團隊，一切的娛樂形式發生了翻天覆地般的交融。
面對這些挑戰，監製王紅衛堅持刀刃向內、姚曉峰導演高呼“思變”，優酷副總裁沈嚴直言“平庸就是原罪”……
為此，娛樂資本論在2025年度CEIS娛樂產業年會之際推出一本專刊，與10位業內大咖展開對話，這些聲音如同松柏，不僅是對過去一年的總結，更是對未來的自省。讓我們集結這些智慧與勇氣，共同挑戰娛樂行業新春前的寒冬。
在經歷了2023年ChatGPT橫空出世帶來的“炸裂”“顛覆”“革命”等精神衝擊後，娛樂行業逐漸找到了如何參與AIGC浪潮的一些門道，其中“文生影片”是AI與娛樂業結合最緊密的一個案例。
今年春節期間，Sora放出演示影片，給影視和廣電行業投下震撼彈，沒想到最後卻是“起個大早，趕個晚集”。可靈、Vidu、清影、海螺、即夢、通義、混元等AI影片生成產品的湧現和競爭，標誌著影片生成領域最終是國內率先佔據了領先地位。
在國內，早期AI藝術家在文生圖時期，就開始探索動態漫等形式的能力整合。在影片生成模型出爐後，他們更是率先探索全流程的AI影視作品。模型開發商也跟著名導演、影視平臺等合作，加速促進技術與產業的融合。相對好萊塢，國內影視從業者對技術的態度總體上也更開放，進一步加速了國內影片模型“彎道超車”。
生數科技在今年4月就釋出了長影片大模型，7月上線影片生成工具Vidu，是影片生成模型的行業代表之一。它也和《毒液：最後一舞》、《熊貓計劃》等影視作品展開官方合作。
生數科技投融資負責人樊家睿對娛樂資本論表示，影視行業對影片生成的清晰度、可控性、一致性有極高的要求，而Vidu的一大優勢就是影片生成的一致性。公司正在積極幫助影視、動漫和網際網路娛樂等行業客戶滿足專業需求。
如何保持影片生成內容的一致性
娛樂資本論：請簡單介紹一下生數科技Vidu的主要特色。
樊家睿：Vidu影片生成模型今年4月釋出，7月面向全球上線。它是“中國首個長影片生成模型”,“全世界首個對標Sora的成果釋出”。
如何保持影片生成內容的一致性，一直以來都是專業創作者的核心痛點。而Vidu是全球最早陸續突破面部一致性、主體一致性、多主體一致性的影片模型。
Vidu生成速度也是極快的。行業平均生成一段4秒鐘的影片需要3-5分鐘，Vidu生成同樣時長的影片只需不到30秒，並會進一步實現量級性的提升。
Vidu也可以更準確理解並遵循您輸入的指令意圖，根據提示詞進行完整的視覺呈現，生成的內容創意性十足。
娛樂資本論：您提到Vidu的影片一致性特點，是否有更通俗的解釋？
樊家睿：Vidu能夠實現對主體的精確控制，這個“主體”不僅可以指面部特徵的一致，也可以指衣服、背景的一致，而且在任何角度下都不變形。
Vidu在上線之初，僅透過一張參考圖，就可以實現人物的面部輪廓一致。9月，進一步將面部一致拓展到髮型、衣服、整體形象的一致，再將人物的一致拓展到動物、商品、虛構角色等的一致。
11月13日的升級後，Vidu湧現出了“多主體一致性”的新能力。使用者可以用多張圖指定多個“主體”，也可以提供一個主體的三檢視。還有使用者的玩法是，把很多個不同角色的三檢視拼起來，拼成三張圖，再輸入進去。
使用者可以自主決定多個角色的形象、穿著及動作，並將固定角色投放到新場景中，實現靈活多變的故事發展，同時生成的每個角色都不混淆，不變形。
“多主體一致性”既意味著可以“多人表演”，更可以指定背景板、環境等跟使用者參考圖的一致。這種靈活的任意組合，多主體的融合與互動，是全球首次實現。
例如在文旅場景，把人放入特定景點“打卡”。此時人的特徵不變，人穿的衣服不變，同時環境特徵也不變，文字、數字、標識等都是不會亂碼的。這就極大地降低了編輯和修改成本，甚至有可能一次性生成效果就非常好，不用多次“抽卡”再拼到一起。
這個多主體一致性功能，未來可能會擴充套件到更抽象的層面，像藝術風格的抽離與再現、音色聲音的捕捉與重現、拍攝手法的學習與復刻。比如生成一段“某某藝術家風格”的影片，它連藝術手法與拍攝技巧，都可以“學習領會”。
AI影片生成在影視娛樂業的應用
娛樂資本論：生數的商業化進展和典型客戶案例有哪些，特別是在影視娛樂業？
樊家睿：很多新需求都來源於老場景。對於有的傳統行業，新技術與新內容是可以很好地解決困擾它們多年的問題的，而網際網路娛樂業顯然屬於此列。所以，在9月末B端商業化開展以來，生數迅速擴充套件了泛網際網路娛樂行業的客戶版圖。
國內知名的廠商、出海產品，和源自海外的團隊，都主要透過呼叫Vidu API的方式來接入我們的影片生成能力。在追求爽感的網際網路娛樂特效玩法上，主要要求是：生成速度快、動作自然流暢、人物一致性要保持好。
我們的影片生成技術讓客戶非常滿意，它們現在終於有條件做影片版的“拍立得”、定製賀卡、穿越時空互動等等場景了，這是以前的技術條件下難以想象的。
同時Vidu也迅速拓展了廣告營銷、影視、動漫類的標杆客戶，它們要求很高，但我們可以提供高效、高質量的影片生成。
在7月末釋出Vidu的C端產品以後，專業和半專業創作者可以透過訂閱、買積分等方式，將Vidu融入自己的AI影片工作流。免費使用者也有試用積分，可以完整體驗相對於付費版“不打折扣”的能力。
我們觀察到，無論專業程度如何的使用者，都在積極擁抱AI影片生成技術，活躍地使用Vidu，他們的反饋是我們不斷提升產品和服務質量的重要依據。
Vidu上線第一天就是面向全球釋出的。從總體使用者量、影片任務生成量、社媒轉發量等指標，都能看到市場的積極反響。許多基於Vidu創作的影片一發布就爆火。來找我們的海內外專業團隊和企業也有很多了。
AI影片生成技術門檻更高、付費價值更大、商業化場景更廣泛。我覺得它的商業化能力，在未來相當長的時間內都是非常強勁的，更有可能從中誕生新時代的內容平臺。
娛樂資本論：具體地說，Vidu如何幫助影視、動漫和網際網路娛樂等行業？
樊家睿：一些場景的正片現階段更多是與AI混合拍攝，替代其中特效、空鏡、補鏡內容的工作。大銀幕方面，我舉兩個合作案例。一個是今年9月，Vidu與貓眼娛樂合作，在國慶檔電影《熊貓計劃》中，為主角熊貓“呼呼”的官方賬號生成每日釋出的影片，比如熊貓吃竹子、互動玩耍的畫面。
相比傳統動畫製作更長的週期，現在社交媒體可以做到影片“日更”甚至“小時更”，而這隻需要幾張“呼呼”的照片就可以。在國內的院線電影中，生數科技也是第一個與影片官方合作的AI影片生成技術支援單位。
在今年10月，我們和索尼中國、布樂科技合作，完成了《毒液：最後一舞》的AIGC電影宣傳片。這是全球首個國際知名IP與藝術家全鏈條授權的AIGC生成式短片、國內大模型與國際IP首次商業合作、也是漫威宇宙首箇中國水墨風格AIGC宣傳片。
該片的製作用到了Vidu首尾幀功能，來實現“毒液”基於中國水墨畫風的千變萬化。AI有隨機性的美感與創造力，許多變換過程讓傳統技法的創作者歎為觀止。該片全部的素材，僅用1.5個人在2天時間內就全部生成完成，10天內完成了全片製作，大大提升了整體制作效率。
中國AI領先，是國內客戶的優勢
娛樂資本論：影視行業使用者與其他行業使用者相比，需求上有何特殊性？
樊家睿：影視行業的特殊性在於，對輸出高畫質、可控性強、一致性好、細節豐富的高質量影片內容有嚴格的要求。我們已經實現了一部分，在努力滿足更多這些需求。
目前各家在生成清晰度上都有所突破，手機端使用者1080P的直接需求可以充分滿足，PC端也可以透過超分等辦法實現更高解析度。而要想直出銀幕級的影片效果，現在還有段距離。當然也看這類場景需求有多迫切、市場有多廣闊，我們會根據行業真實需求，來調整我們迭代的優先順序。
娛樂資本論：假設我是一家影視公司的決策層，如何說服我嘗試和選擇Vidu？
樊家睿：其實現在有一點是肯定的：與文字聊天不同，影片效果的好壞非常直觀，一目瞭然，讓Vidu專業團隊根據影視公司需求來演示一下實際效果，就知道行不行、哪裡行、哪裡不行。
我們也已經對接過很多機構和行業專家，傾聽了他們的意見和訴求。Vidu擁有一個專業的美學創作團隊，成員們兼具深厚的藝術創作經驗和對AI技術的前沿理解。
客戶跟Vidu團隊溝通以後，通常能明確AI的技術邊界在哪，也就是行不行、哪裡行、哪裡不行。現在不行的地方，我們也會最快速度給反饋、並最佳化升級我們的模型。
跟去年相比，今年我們發現：一方面，整個市場對AI影片生成的認知都有極大提升。另一方面，我們的技術升級速度也在加快。很多幾個月前、一年前覺得很困難的事情，現在可以實現了。所以，對於當下看到的一些卡點、痛點、難點，未來也有可能更快地被攻克，對這一點不妨抱有信心。
現在中國團隊比海外廠家在AI影片生成領域更領先，這對於本土影視團隊和技術團隊都是有極大優勢的，因為我們之間溝通會更順暢、頻繁、深入。我們一定會用好這個優勢，更多傾聽本土客戶的反饋，讓我們的產品更好滿足中國市場的需要。
娛樂資本論：廣電總局對AI魔改經典影視劇釋出了指令，Vidu是否會相應做出調整？
樊家睿：我們注意到了這條新聞。在內容安全方面，我們已經有嚴格的稽核機制，對於內容合規性一直都是滿足相關規定和要求的。
娛樂資本論：你們對2025年有什麼展望？
樊家睿：我們預計Vidu在生成速度、多元一致性和多模態真正融合方面會有重大突破。
生成速度方面，Vidu將進一步“逼近極限”。把速度提上來，意味著把價效比提上來，AI影片生成會更普及、更高效。
多元一致性方面，除了已經實現的單主體-多主體一致之外，我們還會提煉更抽象的藝術風格、手法、技巧上的一致，讓每一次視覺輸入都能被完整學習、精準重現。
此外，影片與音訊、3D等多種模態更通用的一致性表達，可以讓產品更好用更豐富。簡單說，就是你的“提示詞”將不再只是現有的文字和影像。
更進一步講，可以期待一下AI影片的延時互動，乃至即時互動。當生成影片所需的時間，比你做出來的影片時長還要短的時候，使用者看AI影片，跟緩衝一段網路影片，從體驗上就分辨不出來了。
未來可能不再需要點選“生成”按鈕，話還沒說完，影片內容已經生成出來了，並能永續。所見即可生，所思即可在，所想即可感。大家可以想象一下哪些新應用、新場景、新品類將被解鎖出來，這有可能是AI影片生成的“iPhone時刻”。