文章图片
智东西
作者 | 陈骏达
编辑 | 漠影
起猛了 ， AI现在都能生成武打戏了 ， 还是人虎搏斗的那种！
近日 ， 一条名为《风入松》的AI短片 ， 在年度AI盛会WAIC期间亮相 ， 吸引了不少眼球 。 这部影片以现代废土风 ， 重新演绎了经典的“武松打虎”故事 。
AI短片《风入松》
《风入松》由中国电影导演中心与中国电信人工智能研究院（TeleAI）联手打造 ， 使用的正是TeleAI的VAST视频生成大模型 。
TeleAI由中国电信集团CTO、首席科学家李学龙教授牵头组建 ， 于去年7月的WAIC大会上正式揭牌 。 在李学龙教授的带领下 ， TeleAI团队打造了包括VAST在内的星辰大模型体系 ， 是国内首个全模态、全尺寸、全国产的“三全”大模型 ， 并推动相关技术的创新和应用 。
从设定的角度来看 ， 《风入松》这部短片本身便极具想象力 ， 但最令人惊叹的 ， 当属AI技术如何将天马行空的想象化为逼真画面 。
作为技术支撑 ， TeleAI的VAST视频生成大模型去年12月发布时 ， 便在权威视频生成评测榜单VBench中夺得榜首 ， 并持续迭代升级 。
从基础画面生成 ， 到复杂动作 ， 再到镜头控制与角色一致性优化 ， 其能力边界不断扩展 ， 已具备在专业创作场景中“顶上阵”的潜力 。
一、视频生成告别开盲盒游戏 ， 能演会拍才是好AI要真正理解《风入松》这部短片实现的突破 ， 我们首先得看看 ， 影视制作究竟需要什么样的AI工具 。
分辨率高、动作流畅、细节写实 ， 这些只是技术层面的基础能力 ， 远远不够支撑一部真正意义上的影视作品 。
要在真实的影视制作流程中发挥作用 ， AI更关键的是要理解导演的创作意图 ， 跟上叙事节奏、掌握镜头语言、调动情绪氛围 ， 真正融入视听语言的表达体系 。
换言之 ， AI不仅要会画画 ， 更要像电影人一样会拍、会演 ， 能够协同完成角色塑造、场景调度与叙事推进 ， 成为一名具备视听表达能力的“创作伙伴” 。
《风入松》中 ， TeleAI 的VAST视频生成大模型已展现出强烈的画面表现力和叙事控制力 。
影片伊始 ， 当现代“武松”骑着摩托车在沙漠飞驰 ， AI将每一处细节都刻画得淋漓尽致：引擎轰鸣声与风沙的呼啸形成震撼音浪 ， 摩托车飞跃障碍时在空中划出完美的弧线 ， 车轮驶过沙地时激起细腻的沙浪 ， 光影真实自然 。
在激烈的猛虎搏斗场景中 ， AI模拟的每一根虎毛都随动作摆动 ， 肌肉线条在扑咬时展现出惊人的动态细节；主角与老虎搏斗时拳拳到肉 ， 动作有力、毫无穿帮 。 这些曾需要顶级特效团队数月打磨的画面 ， 如今通过AI实现了电影级的真实感 。
TeleAI视频生成大模型已经凭借其影片质量 ， 俘获了一批专业人士 。 参与《风入松》制作的团队在影视行业有丰富的从业经验 ， 据了解 ， 他们在使用TeleAI视频生成大模型后 ， 给予了高度认可 ， 这更凸显了TeleAI在视频生成领域实现的重大突破 。
二、如何打造电影级视频生成模型？揭秘背后三项核心技术那么 ， 打造这样一款视频生成大模型 ， 背后究竟需要哪些关键支撑？从《风入松》的画面中 ， 我们可以清晰地看到其中的三项核心技术 。
首先是动作迁移技术 。 在《风入松》这部短片中 ， TeleAI的VAST视频生成大模型展现出强大的画面表现力和叙事控制力 。 张力十足的打斗戏中 ， 没有出现“穿模”、扭曲等常见问题 。
动作迁移技术允许制作者上传一张首帧图和一段参考动作 ， AI便能让首帧图中人物的动作表演与参考视频完全一致 。 这一技术成功攻克了AI生成视频中动作节奏难以控制、人物表情表演生硬等难题 ， 让AI生成的视频人物动作更自然、表情更生动 。
业界的主流动作迁移方案都基于骨骼绑定 ， 不过 ， TeleAI决定更上一层楼 ， 将其从2D骨骼点升级为3D骨骼点绑定 ， 使得动作更具空间感、层次感 ， 甚至可以自然地控制动物或卡通人物 。
另一大核心技术为可控三维运镜 ， 赋予了AI对“镜头语言”的准确理解和运用能力 。 例如 ， 在下方画面短短的几秒内 ， 《风入松》呈现了多角度、快速切换的复杂运镜 ， 远景、仰拍、特写等流畅衔接 。 这些原本需要专业摄影指导和团队配合的镜头切换 ， 在这里被AI准确实现 。
这并不是靠堆砌提示词“蒙”出来的 。 通过可控三维运镜技术 ， TeleAI把三维重建与视频生成深度融合 ， 赋予模型空间结构的感知能力 ， 再通过摄像机内参、外参等物理参数精细控制运镜效果 。 AI不只是懂内容 ， 它逐渐开始懂得怎么拍 ， 让AI真正具备导演般的视角 。
会演、会拍仅仅是开始 ， 很多业内人士评价 ， AI视频目前最大的问题之一是“一致性差” ， 同一人物在不同镜头中的形象、着装、气质常常前后不一 ， 极易穿帮 。
但《风入松》中的主角却始终保持了稳定的外貌风格 ， 这得益于背后的人物一致性技术 。 TeleAI 的VAST视频生成大模型采用分步生成的方式 ， 先生成分镜、深度信息等中间数据 ， 再在此基础上精细生成画面 。
这种生成流程极大提高了人物、画面的一致性与叙事可控性 ， 流程和电影工业中用故事板搭建画面框架 ， 再利用计算机图形技术渲染的逻辑几乎一致 ， 让AI没有随意发挥的空间 。
上述底层能力的升级 ， 是AI视频真正迈入影视工业体系的敲门砖 。 更重要的是 ， TeleAI在与专业导演的合作中 ， 获得了大量来自一线实践的反馈需求：比如演员的表情、情绪、人物节奏等更加细腻的表演控制 。 这些开发者原本没有预料到的专业需求 ， 正逐渐转化为技术研发的新方向 。 凭借这些先进技术 ， TeleAI为影视制作行业带来了前所未有的便利和优势 。
三、视频生成+通信解锁新场景 ， “脑补”画面实现远洋视频通话在推动视频生成技术赋能影视工业的同时 ， TeleAI也在积极探索这项技术更广阔的应用场景 。 毕竟 ， 视频生成的本质并不仅限于电影创作 ， 而是一种对视觉信息的重构方式 。
从AI的通用视角来看 ， “智能的本质是压缩”已成为业内共识 。 无论是语言模型、图像模型还是视频模型 ， 其核心任务都是从海量原始数据中提取模式与规律 ， 并以高效、紧凑的方式编码进模型参数中 ， 模型学会用有限的参数表示无限的可能 。
但真正的智能不仅在于压缩 ， 更在于“还原” 。 也就是说 ， 一个具备高水平智能的系统 ， 必须能够在接收有限信息的情况下 ， 准确重建原始内容 ， 甚至完成合理补全与未来预测 。
中国电信人工智能研究院（TeleAI）将VAST视频生成大模型与其正在布局和研究的一项重要技术“智传网（AI Flow）”深度结合 ， 提出了一种新型通信技术——生成式智能传输 ， 也就是用“计算”换“带宽” 。
智传网（AI Flow）是人工智能（智）、通信（传）、网络（网）三项关键技术的融合 ， 通过网络分层架构 ， 基于连接与交互 ， 能够实现智能的传递和涌现 。
在李学龙教授的带领下 ， TeleAI打造了包括智传网（AI Flow）技术体系（包括生成式智能通信技术等）在内的 “一治+三智”战略科研布局 ， 其他方向还包括AI治理、智能光电(包括具身智能)、智能体 。
智传网（AI Flow）的突破 ， 有望解决通信业务中一个长期存在的难题——如何在极其有限的带宽条件下 ， 高效传输高质量的视频和多媒体内容 。
这是困扰通信行业多年的技术瓶颈——传统的视频通信技术依赖高带宽和高稳定性的网络环境 ， 一旦网络不给力 ， 立刻就卡成PPT、音画不同步 。
像你我这样的普通用户 ， 也经常会在生活中遇到类似问题 。 例如 ， 在演唱会、会展等人员极为密集的场所 ， 网络拥堵常常导致视频通话无法连接、直播卡顿 ， 甚至连基本的视频上传和下载都变得困难 。
更不用说在高铁、地下、飞机或远洋、偏远山区等极端条件下 ， 视频通信几乎成为奢望 。 这些问题背后 ， 正是现有通信技术在带宽、稳定性和数据传输效率上的瓶颈 。
在本届WAIC大会上 ， TeleAI展示了基于智传网（AI Flow）的生成式智能传输技术的典型案例——远洋通信 ， 破解了这一瓶颈 。
船舶与陆地的通信 ， 长期以来是全球航海技术发展中的巨大挑战 。 由于船上的卫星网很慢 ， 信号很差 ， 船员只能通过微信打字给家里报平安 ， 无法进行视频电话或刷短视频、上视频网站 。
通过生成式智能传输技术 ， 让远洋视频通话不再是奢望 ， 它将变得简单而高效 。 这项技术的应用 ， 不仅连通了海洋与陆地 ， 也让船员们的业余时光告别了单调 ， 拥有如同岸上般丰富的色彩 。
传统视频压缩传输方式是把整段视频原样搬运 ， 而生成式智能传输技术则采用了更聪明的办法：通过TeleAI的多模态大模型 ， 提取音视频最关键的特征信息 ， 压缩编码后 ， 将这些信息发送给接收端 。
而在接收端 ， TeleAI部署在本地的多模态生成大模型能根据上述信息 ， 自主“脑补”出完整画面 ， 就像用草图还原一副画作一样 。
这种压缩传输方式相较传统方案（如H.264+5G LDPC）展现出明显优势 。 在卫星场景下带宽资源稀缺时 ， 这个方案将带宽需求压缩了整整1-2个数量级 ， 视频数据体积最多可降至原始的1% ， 在背景变化较小的场景中甚至可达千分之一 。
在船载服务器上的多模态生成大模型本地完成音视频的智能还原后 ， 画质、音质可以保持“主观无损”的水平 。 这就让远洋海员们即便在极低带宽条件下 ， 依然能够实现清晰、流畅的视频通话体验 。
从部署角度来看 ， 这项技术对硬件要求也非常友好——船只仅需搭载一台配有4张消费级显卡的本地服务器 ， 便可为船员提供稳定的Wi-Fi视频通话服务 。 这种轻量化部署 ， 为未来的规模化落地提供了现实基础 。
生成式智能传输不仅适用于远洋通信 ， 还是一整套可适配不同通信环境的解决方案 。 系统可根据不同场景下的带宽、算力等资源条件 ， 智能选择不同大小的视频解码模型 。
例如 ， 在多数通话场景中 ， 仅使用480P分辨率和小模型即可实现流畅且清晰的通信体验 ， 从而实现算力与带宽的最优协同 。
可以说 ， 这项技术展现的并非某一项技术的单点突破 ， 而是一种系统性的融合式创新 。 如果没有VAST视频生成技术的日益成熟 ， 视频信号根本压缩不到这个程度；如果没有智传网（AI Flow）基础构建 ， 再精美的画面也送不到用户眼前 。
未来 ， 通信不再是单纯的信号搬运 ， 而是理解与重建的过程 ， 编码的不再是比特 ， 而是意义本身 。 生成式智能传输技术在远洋通信的应用场景中已获得验证 ， 在不久的未来 ， 这项技术将进一步推广 ， 实现在飞机的机舱内拨打高清视频会议 ， 不因信号影响工作；野外露营时 ， 也能收看精彩的球赛 ， 不为生活留下遗憾 。
【国产视频生成再突破！从影视级短片到远洋亲情连线，AI让天涯变咫尺】这正是一场AI与通信的“双向奔赴” ， 也为构建高质量、低成本的未来多媒体通信基础设施 ， 提供了坚实的技术底座与实践范本 。
推荐阅读
- 镶钻小折叠，让我们想起了国产手机的“至暗时刻”
- 这个5亿播放的AI视频，邪乎得平平无奇
- B站持续完善海外用户产品体验，用户可体验原汁原味多语种视频
- 全国产智能体MasterAgent：一句话造专属AI团队，专业协同交付
- 美国麻烦了，中国CPU国产率超20%，GPU国产率超30%了
- 无惧封禁！Cursor最佳国产平替诞生，彻底告别代码泄露风险
- 苹果官方账号误传三星Galaxy Z Flip7宣传视频？微博背锅
- 全国产化替代？华为Mate80系列“亮了”
- 中国智能手机畅销榜更新：红米K80至尊版排名第9，国产新黑马诞生
- 国产突破！人形机器人核心部件国产化率超七成！