|
文/支星晨 上海觸訊信息科技有限公司副總經理 來源： 閱門戶 本文約5000字，預計一盞茶時間閱讀完畢 商務君按：近日，OpenAI首席技術官米拉·穆拉蒂在接受《華爾街日報》采訪時表示，Sora將在今年推出，“可能要等幾個月”。文生視頻模型Sora的出現，再次引發出版業對生成式AI領域的關注，Sora會給出版業帶來哪些影響？我們能用它來做什么？不會又有崗位要被人工智能取代了吧？！
最近，在生成式AI領域，最熱的新聞莫過于Sora的出現。 Sora是一個由OpenAI公司打造的文生視頻的AI模型，與ChatGPT、midjourney等一樣，是又一個AIGC（人工智能生成內容）的模型，只不過生成的模態不同，這回變成了視頻，當然，這個“只不過”是需要打引號的，因為從圖文到視頻這一步實在是跨度太大、太驚艷了。
OpenAI官網首圖，Sora成為當前絕對的“明星模型” 輸入一些提示語，Sora模型就能生成一段連貫的60秒視頻，并且具備電影級的清晰度、鏡頭調度、立體感、人物與場景細節，甚至還能駕馭各類風格，不光能寫實，還能做出動畫短片、科幻片段，等等。 相信大家已經在網上看到了很多截取的效果片段，尤其是下面這一段，根據官方提供的提示語，Sora可以生成下面的視頻： 提示語：A stylish woman walks down a Tokyo street filled with warm glowing neon and animated city signage. She wears a black leather jacket, a long red dress, and black boots, and carries a black purse. She wears sunglasses and red lipstick. She walks confidently and casually. The street is damp and reflective, creating a mirror effect of the colorful lights. Many pedestrians walk about.  是不是很神奇，尤其是最后人物臉上的細節，早就不是半年前midjourney上那種還可能出現三個耳朵、六根手指的圖片時代能相提并論的了。 事實上，除了廣為流傳的那幾段，我倒是覺得下面這些也很驚艷，皆由Sora直接生成且沒有經過任何剪輯加工： 難怪有人開玩笑說，坐落于洛杉磯市郊山上的HOLLYWOOD地標可以換成SORAWOOD了。
由本文作者使用midjourney通過AI生成的效果圖 其實早在Sora之前，市面上并非完全沒有AI生成視頻的模型。如著名的Runway，其發布的Gen-2模型，在去年還火了一把，當時是因為其更新迭代了“動態筆刷”技術，即可以指定生成的視頻中的某一部分進行動態渲染，實現更符合實際視頻創作的需求。
Runway演示AI視頻的動態筆刷功能 然而，以Runway為代表的這些視頻生成AI模型，主打的還是“圖片生成視頻”的概念，且視頻長度只有2~4秒，這一點我跟周鴻祎老師的觀點一致，這些模型還只是一種基于靜態圖像的“動態延伸”，有算法、有AI的參與，但是與midjourney這種生成圖片的方式，其實并不完全一致，所以盡管這并不是新鮮領域，但是經過親身體驗，這些生成的視頻，很多時候使用起來并不理想。 但是Sora則不同，它使用的世界模型技術，以及更復雜、更貼合人腦對動態畫面的想象力，能讓它脫穎而出，而且時長一下子達到了60秒，高度提升了不止一星半點。 Sora的出現，讓很多出版行業的同仁們也躍躍欲試，但是很遺憾，還沒有辦法直接體驗，目前只對部分專業人士開放了通道。相信在不遠的將來，一定會迎來公測。 那么問題來了，文生視頻模型，尤其是如此強悍的文生視頻模型的出現，可能給出版業帶來哪些影響和新思路？
六種出版行業涉及的視頻門類 要想回答這個問題，不妨撇開AI不談，先捋一下，出版業目前在哪些地方用到了“視頻”這種模態。 1.音像出版物 首先對于出版業，“視頻”并不是一個陌生的模態，很久以前就有“音像出版物”的概念，載體是錄像帶、光盤，內容很多是影片、電視劇、電視節目等這類“長視頻”。 2.電子出版物 后來到了互聯網時代、移動互聯時代，尤其是個人電腦、智能手機的發展，逐漸產生了“電子出版物”的概念，其涵蓋的種類更復雜，但是視頻這種模態本身，依然是電子出版物重要的組成部分，只不過以前放在光盤里，現在換成數字媒介罷了，存儲介質可能是u盤之類的移動存儲設備。 3.融合出版內容資源矩陣中的一部分 隨著出版進入“融合”時期，紙質圖書出現了配套多媒體資源的概念，在這些內容矩陣中，視頻和音頻一樣，是最為常用的形態之一。這些配套的視頻，往往是針對教輔類圖書的解讀、科技類圖書的演示視頻、社科圖書的拓展閱讀等。 4.在線視頻課程 作為獨立的內容存在于平臺上，并不配套某本特定紙書，是這類視頻與第三類視頻最大的區別。當前，隨著出版社自身的相關部門、人員、技術的合作建立，已經有出版社構建了自己的多端平臺，如APP、小程序等。其中，轉化率最好的，除了電子書以外，就是視頻課程，這些課程往往依托出版社本身紙書的龐大銷量，作為學生家長的“配套選擇”，為不少出版社在線上領域賺取了“第一桶金”。 這類視頻，其實通過目前的“AI數字人”技術，已經完全可以實現在線生成，而不一定非要找真人拍攝。 5.圖書AR（增強現實技術）的視頻素材 這種類型可能不是每個編輯都非常熟悉。事實上，圖書AR，在大概是五六年前已經“火”了一波。但我曾經在當時就提過一個觀點，所有的新技術，都需要“天時地利人和”才能真正實現大規模商業化。AR技術，就有點“生不逢時”的感覺，由于當時的制作成本高，技術普及難度高，又需要APP的支持，很多讀者使用起來不方便，最多是一種“噱頭”。但是我認為，在不遠的將來，AR應該能夠“卷土重來”，原因我們等會兒再分析。 在圖書AR的領域，最常見的，就是通過打開特定APP的攝像頭，對準圖書的插圖，然后手機畫面上出現相應的內容。而這里的“內容”，我們在各種媒體上看到過很多酷炫的3D、動畫效果，但實際上，出版領域最具性價比的內容還是視頻，通過制作這些視頻，實現圖書AR的效果，某種程度上還是很有吸引力的。然而即使是做一個視頻，對于行業來說，也不是一筆小的經費，更別提做3D內容了。 6.出版社自媒體 到了2024年，出版社的公眾號、小紅書、抖音號、視頻號看上去都很“紅火”，然而問題是，又有幾家出版社真的做到了這兩點：持續輸出、產生轉化？ 在自媒體領域，視頻尤其是短視頻，是需求量最大的內容，可是我看到的情況是，很多社還停留在“為了做賬號而做賬號”的階段，有些編輯為了完成發布數量的考核指標，甚至出現了簡單堆砌文字、圖片充數的現象，更別提專門花時間去想視頻腳本、去拍攝了。
“短”視頻更適合用AI生成 上面我們簡單列舉了六種出版行業涉及到的視頻門類，而對于目前以Sora為代表的文生視頻模型來說，顯然，其中有些領域是它短期內還無法駕馭和干預的。尤其是音像出版物、電子出版物，它們的來源要求就不同，往往是既定的、攝制好的內容，而且審核要求也相對嚴格一些。 更重要的是，這些視頻是典型的“長”視頻，時間長度的要求決定了暫時不可能也沒必要通過AI生成。 所以，在我看來，AI視頻能最先給出版業帶來沖擊性影響力的，就是上述一些場景中，比較“短的”視頻。比如書本配套的一些視頻、圖書AR的視頻素材、出版社自媒體用到的視頻。 這個“短”需要打個引號，是因為并不一定是從時長的角度區分的，而是有些流程簡單、需求簡單的視頻，也可以讓AI嘗試去完成。
形成出版社自己的AI視頻資源庫 AI的強項，首先一定是效率。 這就給我們帶來一個啟發。我國出版社在目前的融合發展大環境下，有一個問題是非常值得注意的，那就是：極度缺乏數字資源。 因此，AI在視頻領域由Sora引起的這一波新的熱潮，我相信會讓更多可能這個行業里原本并不太看好人工智能的從業者，也不得不去認知其帶來的深刻變革。 所以，通過此類模型，幫助出版社建立起自己的AI資源庫，并通過標引等手段，植入社內CMS資源管理系統，成為編輯們日常可用可參考的素材，是非常有價值的探索。 并且出版業有個優勢，就是（AIGC所需的）“生成指令”是天然存在的，海量的專業、精細的文本內容，都是孕育豐碩資源素材的黑土地。
出版社做自媒體的新思路 出版社的自媒體，雖然很多社目前并沒有做出很大的成績，只有少數擁有一定規模的粉絲量，但是自媒體平臺作為這個時代最為重要的線上營銷渠道之一，肯定不能完全放棄這個領地。 前面我們已經提到，面對自媒體的短視頻制作，很多數字部門的編輯是望而卻步的，是因為對于“非專業人士”，這樣一個工作，其實需要耗費非常多的精力，效果還未必好。 因此，Sora的出現，顯然給這些編輯帶來了福音，而且從客觀上說，自媒體領域對內容的種種要求并不是特別高，很適合“試錯”。 那么問題來了，目前Sora還沒有公測，我們有什么思路，通過一些現有的視頻AI工具去做一些嘗試，為后面做準備（畢竟，按照現在的速度，Sora公測以及國內出現類似模型的時間肯定不會太晚）。 我覺得首先有必要強調一下“思路”的重要性，我們在自媒體做出版物相關的短視頻，一定是有轉化的需求的，而不是真的讓你在平臺上隨便搞創作。那么很容易想到的，就是借助書中的內容，快速生成類似電影預告片的畫面，然后配上一些輔助性的講解，形成一個簡單的圖書營銷視頻。 舉個例子，比如我們要做一個推廣《小王子》這本書的視頻，完全可以參考國外某位“大神”使用AIGC工具生成一個科幻大片的預告片的做法。
國外一位“大神”使用midjourney和Runway，打造了十分驚艷的科幻片段 下面是我的思路： 第一步，別先想著打開工具，而是先思考大綱，我的想法是，做一個跟《小王子》內容有關的短動畫，配上動人的音樂和解讀，讓讀者感受這本書的魅力。那么這個時候可以借助類似“文心一言”這樣的AI生成文字工具做一些規劃，甚至寫一下分鏡腳本，當然還包括解說文本。 第二步，思考整理腳本，確認好以后，使用《小王子》里的內容素材，結合midjourney這類AI生成圖片工具，生成一些備用圖片。 第三步，根據腳本，仔細篩選圖片，并試著開始使用以Runway為代表的的目前已經可以公開使用的AI生成視頻工具，來生成一些片段視頻。 第四步，還是整理、整合的工作，我的習慣是先定音樂，然后將全部的素材使用剪輯工具剪輯成符合音樂節奏的視頻，最后將解說文本使用AI語音工具轉化成需要的男聲或女聲解說，這樣一個簡單的短視頻即可完成。 有機會我真的會嘗試用這種方法做一個類似這樣的圖書宣推視頻，等到文生視頻模型可以實際公測使用的時候，我還會試著直接用文字生成一段視頻，比較二者的異同，分享給諸位。
理解AIGC的本質價值，避免定位偏差 此次Sora的發布，讓我又想重提一下很多人對生成式AI在理解上存在的局限，他們往往想方設法讓AI在一些垂直專業領域去“完全完成”某個任務，但這并不是，至少現在并不是這些AI模型存在的價值，目前的AIGC領域，其實更多的是能夠“用比較專業的方式，完成大規模的工作”，核心在于降本增效。 從這個角度說，我個人目前只把市面上絕大多數的AIGC工具當作“一個工具”，或者“一個精明能干不知疲倦的合作者”，它們并不是真正意義上的思想家、教師、藝術創作者。放在出版業也是一樣的道理，你不能真的把它當作一個影像內容的“約稿作者”。 舉個例子，你需要一個俯瞰城市街景的短視頻，而此時此刻你就站在一棟寫字樓的窗邊，以往沒有AI的時候，其實你下意識地就會直接拿出手機或相機拍攝，可能不超一分鐘，就能收獲一段不錯的素材。 現在有了AI，有的朋友下意識地變成了“AI腦”，他們可能會用各種AI工具搗鼓半天，拼命想辦法讓AI生成想要的效果，但是結果往往不盡人意，而且浪費了時間。 而這個時候，有的編輯則會來一句“好像也不好用嘛”，然后就不了了之了，這個是傳統編輯在面對新技術的時候經常會出現的一種情況。 其實我們一定要明白一點：我們不是在做AI，我們還是在做產業。 我們不能靠AIGC解決一切，當然更不能守著自己的一畝三分地完全與新技術隔離，而是要從產業的角度，找到重塑價值鏈的思路與方法，我已經反復強調，想法遠比工具更重要。就像前面我舉的做《小王子》圖書短視頻的例子，還要學會在不同模態之間巧妙地整合技術、活學活用，真正讓AI為我所用。
|
|
|
