AI 发展持续加速，Sora 模型的出现正在引发文生视频领域的变革，各创业企业都在根据 OpenAI 发布的技术白皮书，重新调整自己的方向。

5 日，文生视频创业公司——七火山发布了其结合 Sora 路线迭代的 Etna 文生视频模型，并在发布会现场对生成效果进行了展示。

公司 CTO Jason Huang 对《科创板日报》记者表示，借鉴 Sora 技术迭代开发的 Etna 模型，在性能上有显著提升，" 视频时长延长至 8-15 秒，且每秒帧数高达 60 帧，保证了视频流畅性；语义理解能力强大，能够更准确地理解和转化文本信息为视频内容；视频清晰度高、图片细节丰富，提升了视频的视觉效果。"

Etna 模型发布会现场生成效果展示

Jason Huang 进一步对《科创板日报》记者表示，Sora 的出现极大提升了文生视频模型的水平，" 最大的价值在于，OpenAI 用它的尝试突破验证了一个技术路线的可行性，引领了整个业界的技术迭代。它的方向可能不是唯一的，但至少 Sora 目前的效果完全证实了这个方向的可能性，大家短期内都会转向这个技术方向优化自身的产品。"

文生视频领域技术大转向

Jason Huang 告诉记者，Sora 模型面世后，他与 OpenAI 的部分工程师在美国进行了会面交流，" 在他们授权可讲的范围内做了一些讨论，包括他们自己是怎么看待 Sora 这个模型的。" 据悉，Sora 模型的研发经历了近一年时间，过程中也经历了多个不同方向的探索，直到近期才取得了重要突破。

其进一步表示，Sora 模型最大的突破在于，使用了 DiT 的技术框架。而在此之前，市面上的大多数文生视频创业企业，包括明星项目 Runway、Pika 等，都采用了扩散模型这一技术路线。

" 扩散模型的技术路线我们研究了比较长的时间，包括分析了 Pika 在去年 4 月发布的产品，以及去年底 Stable Diffusion 发布的开源项目。事实上，扩散模型一直有一个瓶颈，即视频时长、连贯性很难得到提升，所以现在我们看到的绝大多数文生视频片段就只有 3 到 4 秒，分辨率也只能达到 512x512，或者再往上一点点，但再往后就无法进一步扩大。"

算法也决定了用何种数据进行模型训练。" 如果只使用扩散模型，训练过程就是把图像作为数据集进行训练，但视频到图像之间会有转化过程，在训练过程如何避免信息量的丢失，让模型能学习到数据本身是一个视频而不是单一图像，扩散模型实际上存在局限。"Jason Huang 表示，彼时，由于上述两点在技术和方法上都未能取得了突破，业内很少有人敢于大量投入算力，" 因为原来的方法是有明确的瓶颈限制的。"

而直到 Sora 模型的出现，其所采用的 DiT 的技术路线让上述两点存在已久的局限迎刃而解。" 在语义理解上，Sora 模型背后由 ChatGPT 提供强大的语言处理支持，大幅提升了语义理解能力；模型结构方面，它将传统的扩散模型与 transformer 模型相结合，形成一种既有效又先进的新模型架构；在训练数据方面，Sora 采用视频数据而非静态图片作为训练材料，通过 patches 作为处理方法来优化训练效果。"

Jason Huang 将 Sora 带给他和团队的启发形容为 " 醍醐灌顶 "。他表示，在把七火山的模型从原来单一的扩散模型往与 Transformer 结合的方向转移后，仅仅两周时间，就看到了显著的成效。" 比如我们现在做的视频已经能做到大概 10 到 20 秒，以及每秒帧数能达到 60 帧，这种参数水平放在现行文成视频同类产品中比较，已经可以排在前列了。" 但其坦言，目前和 Sora 比仍存在很大差距，"Sora 能做到 60 秒的时长，且达到 4k 甚至更高的分辨率，而且场景非常丰富。"

Etna 模型生成的 Sora 同款视频效果

上市公司押宝的战略新路线

除了及时调整技术路线，目前，七火山也在紧锣密鼓推进产品的应用落地。Jason Huang 对《科创板日报》记者表示，公司从创立开始就着眼于应用创新，" 和大厂卷大模型能力不是我们的方向，我们从一开始就在研究，怎么把模型能力变成一个实际能落地的应用。"

据悉，目前，七火山通过 Lava 平台已与字节跳动、小米、快手建立合作关系，实现短剧内容的角色换脸、对白配音及字幕翻译，推动内容本地化和国际化发展；MiniTV 作为分发平台，探索短剧海外发行的多元化模式；其 Bromo 工具则能够将低分辨率、简单风格的图片，转化为高达 10K 分辨率的高质量图像，展示了 AI 技术在艺术创作与表情包转换等方面的潜力。

Jason Huang 进一步表示，尽管现阶段七火山以文生视频作为研究和推进的重点，但其将自身定位为一家 AI 多模态公司，" 不局限在某一个应用，而是根据业界的最新进展，与自身业务进行有机结合，调整应用落地。"

《科创板日报》记者注意到，除了七火山本身作为一家刚成长不久的创业公司，在 AI2.0 极速发展的时期试图建立起自身的商业坐标外，其背后的战略投资方，亦通过对外投资等一系列方式对自身进行重新定位。

七火山目前获得了来自上市公司超讯通信的战略投资，后者由此成为持股 30% 的单一大股东。超讯通信子公司超讯智能 CEO 胡柏逸告诉记者，从去年初开始，超讯通信就开始在找 AIGC 垂类新锐企业进行布局，" 当时看了不少公司，包括文生图到文生多模态，还有 AI 游戏等一系列公司都有接触，到今年确定了对七火山进行战略投资。"

公开资料显示，超讯通信成立于 1998 年，2016 年 7 月在上交所挂牌上市，据其 2022 年年报，公司主要业务包括通信技术服务业务、物联网业务以及 IDC 业务三大板块。

而在 5 日的战略发布会上，超讯通信董事长梁建华公布了公司未来三年的战略规划，" 我们的愿景是建立一个完整的 AI 生态系统，通过算力、数据与人工智能技术的有机结合，构建独特而强大的超讯通信生态。我们追求的不仅是硬件的积累，更注重软硬件技术的自主创新和安全高效的集成应用。这意味着，在算力领域，我们不满足于简单的购买或租赁服务器，而是致力于技术的深度加持和创新。"

其进一步表示，超讯通信在人工智能方面进行了全方位部署，" 重点投资于灵犀妙笔 AI 等境内外先进技术，同时注重 AI 安全和装备的配套。"

Jason Huang 则表示，与超讯通信的战略合作，未来会类似于当前国产大模型与互联网巨头之间的合作。" 肯定不是直奔着超讯通信给我们的财务投资去的，而是双方在理念上达成一致。与此同时，当我们的模型取得突破进展后，并实现与具体的垂类行业应用的结合，就需要我们去进行 upscale，即规模需要提升和扩大，这是超讯通信的算力、资金包括其他一些资源，就能助力七火山实现模型规模的快速扩大。"

来源：科创板日报

编辑：古月

版权归原作者所有，如有侵权请联系我们！