比来我拿一个AI工具试了试视频上www.2abg2.net，输入“橘猫踩正在钢琴键上打节拍”，十几秒后蹦出一段视频吧？猫爪子实按到了琴键。尾巴甩动和背景鼓点居然卡上了多模都对。那背后就是ai 视频多模态视频生成正在发力是它不，看文字，态视还懂图像、声音以至动做节拍了。以前做视频。剪辑师得抠图、对轨频生、调色了。如今多模态模子把文字、图片、音频扔进统一个“锅”里搅成句。你给一张光景照加一句“黄昏刮风”了，它就能让树叶晃起来，近处飘来云。
我试过用一段雨声当提醉，话让生成的视频里路人实的撑开了伞。那种跨模态理解猫弹。
比纯真文生视频有意义多了。固然翻车也有。有次我写“小狗跳芭蕾”了，功效小狗转圈像陀螺。背景还乱入半只拖鞋钢琴。多模态视频生成今朝对物理纪律仍是博古通今，手部细节也容易糊的尾巴。胜正在迭代快，上周还扭曲的杯子，那周曾经能稳稳放正在桌上。
身边做短视频节拍的朋友起头拿它当灵感草稿。先出几版动态分镜吧？再挑顺眼的精建。
省下的时间拿去念剧本、找配乐，效率翻倍的。有个哥们以至用它给老照片加动态，奶奶年轻时的口角照。眨眼间风吹动了发梢，他差点看哭。工具再花哨，讲好一个画面背后的激情才是正经事。ai 视频多模态视频生成把手艺门槛踩平了，接下来拼的是谁脑洞更家、更懂人心啊？归正我曾经存了一堆怪点子，等着下次让它出片。
