图源｜AI生成

让你反复点赞保藏的短视频，能够已经不是东说念主类作念的了。

不久前，一段“皮卡丘打工”的AI视频，在全网流传爆火。广阔的画面，畅通的行动，以及丝滑的雨滴，险些可以与大制作的动画电摄影失色。

更久之前，本年抖音上爆火的科幻短剧《三星堆：异日启示录》，同样是由AIGC生成。这部剧12集，每集3分钟，阐扬考古职责者联手揭开古蜀国玄机面纱的故事，也曾上线，就激励1.4亿播放。其背后的技巧扶助字节旗下视频生成器用即梦，也随之激励市场温情。

技巧的普及与器用的老练，让视频创作门槛快速禁止，在AI的助推下，用户从单纯的内容奢华者升级为分娩、奢华和领有的三位一体，视频的总量也随之爆炸性增长：刻下，视频数据的领域迅速增长，IDC预测，2025年全球数据量将达到175ZB，其中绝大部分将来自视频数据，而这一趋势，还将不息加快。

但AI视频期间，主角不啻有AI。并吞时期，在奢华端，跟着全景直播、三维重建的老练，伴跟着国产3A大作《黑传说：悟空》中AI技巧结合无东说念主机实景三维重建终了简直场景的纹理与细节以1:1的比例精确报告，视频的交互与奢华链路也从此被重构。

技巧的老练，重迭应用的爆发，AI视频的构兵，正迎来市场化为导向的下半场。

AI视频期间的三座大山

以AI技巧为为表，一个新的视频分娩、交互、奢华期间正在缓缓拉开序幕，但近在目下，仍有三座大山有待翻过。

与公共发布会上杀得你死我活变成显然对比的是，具体的场景之中，真有时用的家具并未几见。

两者中间的领域，来自工程化。一个浮浅的例子，仅在AI视频生成才气，业内发布会上，AI生成的视频中，小猫会平方罕见，展示出的技巧水平就已经遥遥率先；但现实中，一个会平方罕见的小猫，只是最基础的条目，视频自身的内容与好奇赞佩好奇赞佩的紧迫性，远远高于对AI技巧的追求。

更具体来说，在分娩端，资本与效率，正逐步成为一个越来越毒手的贫困。

一方面AI视频分娩的赛说念正随之变得前所未有的拥堵。Sora发布激励全球视频大模子飞扬，AI视频的赛说念也在很快的时刻里变得拥堵。只是在国内，就先后出现了字节系即梦、快手系可灵，创业公司系Pika、智谱清影、生数科技Vidu等一众明星家具。

但是，生成式AI带来的视频数据指数级增长对规划着力提倡了严峻纯属；年头推出的Sora模子的磨砺算力需求是GPT-4的4.5倍，而推理算力需求更是接近GPT-4的400倍。不管文生视频，照旧图生视频，谈论的算力概念动辄几十上百T，以致高达千T，这种激增的资本，带来了算力资源的可包袱性的挑战。

与此同期，多模态媒体处理挑战也日益突显。多模态媒体处理需求的日益突显对音视频处理的分娩端、交互端和奢华端提倡了全新条目；分娩端，多模态内容的分娩是否填塞高质高效，比如给用户委用的究竟是模子、API照旧一个访佛即梦这么的软件都对应着不同的用户分层；交互端，当咱们的交互从传统的单模态东说念主机变成多模态交互乃至东说念主与AI的交互，若何让机器更直不雅的流露东说念主类的需求，依旧是个困扰，奢华端，若何让交互空间从2D升级到3D乃至虚实会通，也对内容的创作以及呈现自身提倡了更高条目。

同期，若何让技巧应用简直落地并带来实验业务价值亦然咱们必须面对的问题。AI视频很火，但资本同样不低，若何让内容分娩出来之后能带来笃定的收益，会决定AI视频永远的生命力。

单点的问题管制，需要编解码技巧的更新，需要有应付洪峰波谷的能力，需要AI的加抓。但系统性问题，需要的，则是一个通盘能力的会通相识，从分娩端，到交互端，再到奢华端的全链路管制决议。

而这，能够恰是火山引擎视频云最擅长的地方。畴昔Sora等技巧的老练只是点火了0到1的火种，但AI视频简直的爆发，还需要从1到100 漫长的积累。

若何界说AI视频期间

AI视频期间的到来理所诚然，但若何界说AI视频期间，这曾是火山引擎视频云里面，一个永远的想考题。

通往异日的门票，就藏在对畴昔历史的梳理中。

经过复盘转头，火山引擎视频云以为，围绕视频，咱们的期间，可以被分为三个阶段：

第一阶段，信息期间。以传统的UGC短视频内容为代表，咱们中的大部分都是内容的奢华者，咱们与视频的交互，以手机屏幕的2D体验为代表，是一个在线、双向的过程；

第二阶段，到了数字期间，咱们对视频品性的条目越来越高，PGC成为内容分娩的主流，直播兴起带来交互上的及时、畅通、高清，而交互的空间，也从二维逐步向三维空间过渡。

这是一个分娩侧内容的品性束缚陶冶，交互侧效率束缚陶冶，奢华端交互体验与空间束缚升维的过程。

相应的，AI视频期间，当然也不等同于传统的数字视频期间加上AI能力，故事依旧要回到分娩、交互、奢华的叙事中来。

来源是分娩端。AI的加抓，抹平了视频制作水平差距带来的领域，AI辅助视频制作，逐步成为各大软件，东说念主东说念主可用、东说念主东说念主会用的基础手段。咱们不再局限于主动的内容分娩与被迫的内容奢华，在AI视频期间，用户将成为AI原生住户，既是内容的分娩者，亦然奢华者，更是领有者。在这背后，则是AI技巧从畴昔的问答，到图文交互，再到如今多模态交互，多模态内容分娩的一步步跨越。

而在交互端，技巧的老练，则进一步拉近了东说念主与视频，简直天下与数字之间的团结。畴昔，留言的存在，让东说念主东说念主交互成为可能；直播等技巧的兴起，通过互联网的一语气，让东说念主与东说念主的及时交互得以终了。而以GPT-4o、火山引擎对话式AI及时交互管制决议等技巧为代表，东说念主与AI的交互，则在多模态的基础上，变得愈加及时畅通、传神与拟东说念主。全球市场接洽机构MarketsandMarkets曾作念出预测，到2028年，全球AI助手市场领域将达到285亿好意思元。在这背后，2023—2028年的复合增长率将达到惊东说念主的43%。

奢华端的这个趋势是更千里浸。以年头苹果发布的Vision Pro为代表，空间规划的新期间认真开启。在此之后，本年7月，抖音VR直播上线，9月《黑传说：悟空》以其极具颠簸力的视频画面质感、放诞滚动的剧情架构和深厚的文化底蕴，迅速诱惑了全球玩家的眼神。3D、虚实会通与VR技巧，将成为奢华端变革的主力军，架起数字天下与物理天下之间的桥梁。

标的已经阐明，一个新的期间就在目下呼啸而来，接下来，火山引擎视频云的要点职责，即是去梳理在此次史无先例的市场爆发中，究竟还有些许痛点莫得被管制，而火山引擎，手里又还有些许张牌。

为什么是火山引擎视频云

当笃定了异日的大趋势，与目下的具体窘境后，接下来的故事就参加了火山引擎视频云最擅长的剧情，从分娩到交互再到用户体验的全地点重构。

而这一切的基础，则是框架层的立异。AI视频期间，超大领域视频磨砺数据集，导致了规划和处理资本激增；而伴跟着视频数据质地散乱不都，数据样本的分类、分段和清洗也带来了弘远的职责量；举座处理链路波及多个才气，工程复杂，需要多团队团结。相应地，关于视频云来说，框架不仅需要扶助大模子的高效启动，还要能够悠闲日益复杂的音视频处理需求，以应付生成式AI期间带来的挑战。

为此，火山引擎衔接英特尔共同发布了BMF 大模子磨砺视频预处理决议并升级了大模子与AI能力。

BMF在本次大会上，推出了不依赖任何第三方组件的轻量化开源版块BMF-lite。通过kernel会通等立异决议，BMF-lite终廓清算子加快能力，大幅陶冶了视频处理的效率。在通用性上，BMF-lite则提供了多平台和谐的接口面孔，让通盘开拓者都能纵欲使用BMF-lite。而跟着视频处理越来越从云上向端侧迁徙，BMF-lite还新增了对端侧大模子的接入扶助，为AI技巧的会通提供了刚劲的扶助。刻下BMF-lite已经粗鄙地应用在了抖音的各个业务上，每天处事于上亿用户，处理视频图片万亿次。

此外，应付资本挑战，火山引擎通过海量的潮汐资源和空洞化的混部雷同来禁止单用户的平均使用资本；而为了应付质地挑战，火山引擎视频云使用多种算法对视频进行多维度的分析和筛选，在实施中千里淀了50多个算子对视频进行了空洞化的过滤；关于协同挑战，火山引擎视频云欺诈BMF的动态模块的特质，在短时刻内完成了几十个算子的集成和处理链路的开拓，迭代效率比拟使用传统框架陶冶了数倍。应付性能挑战，基于英特尔 CPU等各类不同的资源，火山引擎视频云则欺诈BMF框架的纯真雷同，将复杂的算子处理进程纯真实部署在多种资源上，并终廓清快速的性能调优，陶冶了任务婉曲，缓解了资源瓶颈。

在这背后，则是硬件在算力侧提供的踏实扶助。为了应付多元的业务需求，遴荐不同的硬件来进行视频处理以终了最好的性价比，是险些通盘企业都会面对的问题。英特尔刚劲的至强CPU处理能力，可以为8K视频及时处理、包括传统的CV视觉优化、LLM和AIGC在内的多种AI应用，各类类型业务在火山引擎上的部署，提供刚劲的规划扶助和可靠的处事。

与此同期，为了应付生成式AI期间，海量视频数据，用户高质地视频需求，不同对象丰富场景等需求，BMF还推出了纯真高效大模子磨砺视频预处理能力，通过视频净化、多种算子、组合输出、大领域部署等技巧，当今已经在分娩环境中，获取邃密效率。

而基于这种框架层面的立异，以及反复的里面练兵以及外部用户需求调研，针对市场痛点，火山引擎作念出了三步走缠绵。

第一步，在分娩端，禁止视频的分娩门槛，带动AI视频期间，东说念主东说念主成为视频内容的奢华者、分娩者以及领有者。

基于这一剖析，火山引擎视频云推出了多模态视频流露与生成决议，依托自研AI视频流露技巧和AIGC技巧，可以作念到自动化索要视频高光和生成阐述内容，让字幕识别造作率禁止了30%。

当今，该决议已探索针对短剧、赛事和直播电商的自动化管制决议。能够针对长视频进行智能拆分、高光片断索要和产出摘要形色，能够在提高手效的同期保证内容的精确传达。同期，结合AIGC技巧生成视频素材，创作家可以快速完成预报片的视频分娩，能够显赫裁汰制作周期并禁止资本。

为了让内容生成愈加丰宽裕趣，火山引擎视频云还落地实施了多模态营销素材生成决议，通过会通图像分析、AIGC（东说念主工智能生成内容）、大模子处理、3D物体重建等先进技巧，终廓清商品氛围图、图文视频、阐述视频、AIGC视频和3D商品模子等多模态营销素材的自动化分娩。当今，这些立异处事已经扶助自营电商智能氛围图的端到端自动化托管，况且在电市集景的中枢概念上获取了显赫陶冶。

诚然，这种分娩端的升级，并不啻于视频画面，声息技巧的升级同样紧迫。火山引擎视频云通过秉承了自研的豆包语音大模子，终廓清高品性多谈话声息复刻，并欺诈假造东说念主技巧调养演讲者口型，让不雅感愈加当然。

而在交互端，火山引擎视频云则推出了对话式AI及时交互管制决议，通及其山引擎豆包大模子和视频云RTC技巧终廓清语音数据的高效齐集、处理和传输，并在处事端，并为用户提供了智能对话和当然谈话处理的刚劲能力，毫秒级东说念主声检测和打断反馈，以及丝滑踏实的端到端反馈体验。刻下，这一决议已经粗鄙应用于智能助手、AI随同、AI西席、智能客服等场景，并为用户带来更当然、畅通和简直的东说念主机交互体验。

框架的建构，管制了分娩端的效率；交互的校正，带来了家具体验的进一步升级，AI视频期间的异日已经初见雏形，但要让全链路的升级愈加圆善，还差临了一步——奢华端的千里浸式体验升级。

本年以来，跟着《黑传说：悟空》爆火，带动3D生成和场景重建技巧兴起，火山引擎视频云推出了基于AI的3D生成决议，借助大模子刚劲的生成能力，秉承基于图生3D的步地来完成3D内容的快速构建。同期，火山引擎视频云还上线了高质地3D Gaussian-Splatting场景重建及低延长重渲染决议，用于对场景进行高质地的几何、外不雅重建和渲染，并终了行业内首个高斯决议扶助复杂的及时重打光及暗影渲染。当今，该技巧已经实验应用在假造直播等VR/AR/XR应用中，比拟传统的手工3D建模, 在效率、各类性和操作资本等方面具备彰着上风。

一定进程上，AI视频期间，技巧只是引爆一切的伊始，但简直的生意化，则需要以用户的体验为中枢，从框架到场景，从分娩到交互再到奢华端的全地点发力，市场也随之参加马拉松长跑阶段。

火山引擎视频云，为这场长跑的下半场，作念了一次可以的探索。

本内容为作家孤苦不雅点，不代表虎嗅态度。未经允许不得转载，授权事宜请谈论 hezuo@huxiu.com

正在转换与想要转换天下的东说念主，都在 虎嗅APP