谷歌“另辟蹊径”，展示AI视频生音频最新进展，效果惊艳！网友：但有一个缺点 原创

编辑 | 伊风

出品 | 51CTO技术栈（微信号：blog51cto）

最近几周，文生视频领域正卷的风生水起。

可灵和Dream Machine相继推出。而后者充满趣味性的文生视频功能更是开启一阵续写“meme”的狂潮。

正当大家觉得文生视频的开路者Runway要一直沉寂下去的时候。

Runway突然上演了一波“王者归来”。展示了商用级别的生成视频，让人难辨是不是AI生成。

"一个悲伤的中年秃头男人变得快乐起来， 因为一顶卷发假发和太阳镜突然落在了他的头上"。

画质惊艳的Runway，速度也不逊色，生成10秒钟视频才需要1分半左右的时间。

Runway重回巅峰又再次改变了文生视频的格局。

图片

正在大家在这边卷得不急乐乎的时候。

谷歌突然站了出来，开始给大家汇报他们的视频生音频（V2A）进展。

图片

谷歌的V2A已经可以为无声片段添加与场景声学相匹配的声音，为屏幕上的动作等伴奏。

干巴巴的视频片段从此有了bgm！

虽然部分案例中使用了文字辅助，但仍然相当惊艳，能看到AI对于视频内容以及场景中的感受理解得比较到位。

画面中男人穿过废弃工厂般的走廊，音乐突出了惊悚和紧张的氛围：

 给狼配上一段孤独的长啸声：

音频提示："狼对月嚎叫"​

音乐展现了落日骑马时，那种安逸与悠然的感觉：

草原上夕阳西下时 悠扬的口琴声响起

海洋水母自在浮沉时，海洋的声音：

水母在水下跳动 海洋生物 海洋​

鼓声和欢呼声让人身临其境：

音乐会舞台上的鼓手 周围是闪烁的灯光和欢呼的人群"​

谷歌的V2A的这股清流确实得到了网友的赞赏。

然而当一位网友询问，什么时候可以上手玩玩看的时候，被网友无情地回复道：等有人跳槽出来，把这个产品带出来我们就能玩啦！

图片

还有人说：这是谷歌，所以别再想着试一试了

图片

当前，观众的胃口已经越来越大。无法开箱即用的技术和产品将难以说服用户。

现在，无论OpenAI在社交平台上发布什么内容，都会收到无数用户“催更”GPT-5的消息。

但是，另一边。

早前OpenAI发布会上令人惊艳的GPT-4o多模态通话功能，甚至更遥远的Sora，都没有让广泛的普通用户上手。

苹果在刚刚过去的全球开发者大会中，发布的“苹果智能”被曝光分批上线，部分功能要到25年才能实现（更不用说大陆用户只会更晚）。

人们渴望AI的有趣与实用能够早一步的照进现实。否则，用户的期待会慢慢冷却，产品也终将沉于水中。

本文转载自​​51CTO技术栈​​，作者：伊风