摘要：OpenAI的Sora模型开放ChatGPT付费订阅接入，GoogleDeepMind的Veo3直接实现音视频同步生成，RunwayGen-4让视频创作者直呼"饭碗不保"。

文 |洛神谷语

编辑 |洛神谷语

OpenAI的Sora模型开放ChatGPT付费订阅接入，GoogleDeepMind的Veo3直接实现音视频同步生成，RunwayGen-4让视频创作者直呼"饭碗不保"。

这波技术浪潮来得比预想中更猛，连Netflix都在《永恒族》里用上了AI视觉特效，影视圈的老炮儿们怕是最有体会，行业真的要变天了。

这些AI模型一个比一个能打，

OpenAI的Sora最开始放demo时，我还以为是特效公司做的假视频，结果人家真能让AI生成1分钟的连贯电影片段。

后来Google的Veo3更狠，不光画面逼真，连人物说话的口型都能跟音频对上，这技术放在三年前想都不敢想。

RunwayGen-4就更接地气，直接把专业级视频编辑功能塞进浏览器，让业余选手也能玩出好莱坞效果。

这些技术突破可不只是实验室里的玩意儿，实实在在地改变了整个创作圈的玩法。

以前拍个广告片得租设备、请团队、后期剪辑熬大夜，现在有个好点子，用AI模型跑几个小时就能出成片。

Netflix在《永恒族》里用AI做了个外星飞船的全景镜头，据说比传统CGI节省了40%的时间，这效率提升可不是闹着玩的。

不过话说回来，技术太好用也不是啥好事。

现在网上开始出现各种"AIslop"，就是那种一眼假但又泛滥成灾的低质视频。

有朋友做短视频运营，说现在刷十条内容里三条是AI生成的，有的连人脸都糊成马赛克还敢发出来。

更麻烦的是虚假新闻视频，前阵子有人用AI伪造了段"名人访谈"，差点引发股市波动，这信任危机可不是闹着玩的。

本来想详细说说这些模型有多牛，后来发现普通观众可能更关心"它们到底是怎么做到的"。

其实核心技术叫"潜在扩散Transformer"，听着挺玄乎，说白了就是让AI先学怎么把清晰视频变成噪点，再反过来学怎么从噪点还原成视频。

就像咱们小时候玩拼图，先把图打乱，再慢慢拼回去，AI就是这么练出来的。

有意思的是，这些模型聪明就聪明在"潜在空间"这个操作。

直接处理视频像素太费电脑了，它们先把视频压缩成数学编码，就像把大图片转成表情包那么小，处理完了再解压还原。

这么一操作，计算效率提高了几十倍，普通电脑也能跑起来。

Google的工程师说，Veo3的潜在空间压缩技术，让手机都能实时生成短视频，这进步确实够大。

最让我佩服的是Transformer和扩散模型的结合，

OpenAI给Sora搞了个"时空立方体"技术，把视频切成一小块一小块的，让AI能同时处理时间和空间信息。

这就解决了老问题，以前AI生成的视频经常"跳帧"，前一秒人还在左边，下一秒突然闪到右边。

现在有了Transformer这个"剪辑师"，视频连贯度提高了不止一个档次。

聊到未来趋势，Google的Veo3确实带了个好头，音视频同步生成。

以前AI生成视频都是"默片"，还得自己配声音。

现在Veo3能直接生成带环境音效的视频，连人物说话的呼吸声都能模拟。

Google管这叫"走出无声时代"，这话说得没毛病，毕竟看视频没声音，总像少了点什么。

技术发展到这一步，不少人开始担心AI会抢了创作者的饭碗。

其实我倒觉得不用太焦虑，

就像当年Photoshop出来时，有人说摄影师要失业了，结果呢？反而催生了更多创意职业。

AI更像是个超级工具，能把重复劳动干掉，让人有更多精力搞创意。

Netflix的特效总监就说，AI把他们从繁琐的建模工作中解放出来，现在团队能把更多心思花在故事表达上。

当然问题也不能回避，

AI生成视频的能源消耗确实吓人，跑一个5分钟的4K视频，相当于普通家庭一周的用电量。

而且现在监管完全跟不上技术发展，虚假视频满天飞，连专业人士都难辨真假。

前几天还有导演吐槽，有人用AI模仿他的风格拍了部短片，连他自己都差点认错。

如此看来，2025年确实是AI视频生成技术的爆发年。

从Sora到Veo3，这些模型已经能生成接近专业级的视频内容。

但技术终究是把双刃剑，既能让创作门槛大幅降低，也可能带来内容泛滥和信任危机。

未来怎么平衡创新与风险，怎么制定行业标准，恐怕是所有从业者都得思考的问题。

我挺期待看到AI和人类创作者真正合作的样子，

就像当年画笔和颜料的发明一样，新技术总会带来新的艺术形式。

或许过不了几年，我们会看到完全由AI生成的电影拿奥斯卡，也可能会出现人机协作的全新创作模式。

不管怎样，这个时代的变化，咱们都是亲历者，想想还挺有意思的。

来源：律行僧