【新智元导读】Runway的Gen-1还没内测完，Gen-2就以迅雷不及掩耳之势发布了。这次的效果更加炸裂，AI大导离淘汰人类，又近了一步。
刚刚，仿佛一声惊雷炸响，Runway发布了文字生成视频模型Gen-2。宣传词也是非常炸裂——「say it，see it」，只要你说得出来，它就能给你做出来。科幻小说里的超能力成真了！可以说，有了Runway Gen-2，你就能用任意的图像、视频或文本，生成一段酷炫大片，想要啥风格，就有啥风格。这个速度简直让人目瞪口呆：Gen-1的内测都还没拿到呢，Gen-2就来了！
此前，Runway在文本到图像领域就曾经大放异彩，大名鼎鼎的Stable Diffusion，就是Runway开发的。在今年2月，Runway就提出了首个AI编辑模型Gen-1。顾名思义，Gen-1可以在原视频的基础上，编辑出咱们想要的视频。无论是粗糙的3D动画，还是用手机拍出来的摇摇晃晃的视频，Gen-1都可以升级出一个不可思议的效果。
论文地址：https://arxiv.org/abs/2302.03011比如用几个包装盒，Gen-1就可以生成一个工厂的视频，化腐朽为神奇，就是这么简单。而相比Gen-1，Gen-2获得了史诗级的升级——可以从头开始生成视频。而根据目前的演示片段看来，Gen-2的效果似乎暂时比不上Gen-1，没有那么逼真。但是，这毕竟是AI文生视频0到1的第一步。AI导演做到这一步，已经够人类颤抖的了。
而获得内测资格的幸运网友，已经开始动手生成自己的电影了。可以看出，无论是宫崎骏风格的日系动画，还是写实风格的镜头特写，或者魔幻特效的电影大片，Gen-2都不在话下。虽然目前的画质可能还不够细腻，但毕竟是从0生成的视频，一旦日后优化好，大导们的饭碗怕是捧不稳了。
Mode 01：Text to Video（文字生成视频）
一个文本提示，就能合成出任意风格的视频，不怕它生不出来，只怕你想不到。提示：
在纽约市的一间阁楼里，傍晚的阳光透过窗户温柔地洒进屋内。输出：
Mode 02：Text + Image to Video（文字+图像生成视频）
输入一幅图，再加一句prompt，直接就给你变成了视频。输入图像：
驱动提示：
在一个低角度拍摄的画面中，男子正沿着街道行走，周围酒吧的霓虹灯照亮了他的身影。输出：
Mode 03：Image to Video（图像生成视频）
这个不用解释了，你给它一张图片，它给你秒变一段视频。多种风格，随你选择。输入图像：
输出：
Mode 04：Stylization（风格化）
只需要把你想要叠加的风格用图片或者文字叠加上去，多魔幻的风格都立马生成，秒变好莱坞大片。原始视频：
驱动图像：
输出：
Mode 05：Storyboard（故事版）
将模拟的场景一拉，就变成了风格化和动画化的渲染图，前期制作一键简化。输出&输出对比：
Mode 06：Mask（掩码）
在你的视频中分离出特定的对象，然后通过prompt，想怎么改就怎么改，比如下图中，金毛秒变斑点狗。输入视频：
驱动提示：
输出：
Mode 07：Render（渲染）
只要输入图像或提示，无纹理的渲染立马变成现实的输出，深度和真实感震撼人心。输入视频：
输出：
Mode 08：Customization（个性化）
输入&输出对比：
训练图像：
从生成结果来看，Gen-2的前景，实在是太令人着迷了。（Gen-1的内测申请在这里，http://t.cn/A6Cu1cdy）。虽然Meta和谷歌也有类似的文本到视频模型（Make-a-Video和Phenaki），生成的剪辑更长、更连贯。但这些体量更大的公司并没有投入多大的资源，相比之下，Runway的团队只有区区45人。其实，Runway自2018年以来，就一直专注于研究AI工具，并在去年年底筹集了5000万美元。
有趣的是，Stable Diffusion的初始版本，就有Runway的贡献。只不过后来被Stability AI普及，并有了更进一步的发展。而这也告诉我们，初创公司在生成式AI上的潜力，是多么惊人。
参考资料：
https://research.runwayml.com/gen2
https://www.theverge.com/2023/3/20/23648113/text-to-video-generative-ai-runway-ml-gen-2-model-access
