字节的AI爆款有戏吗?
今年最火的两款全球AI产品,当属视频生成大模型产品Sora和音乐生成大模型产品Suno。
今年4月,经Suno爆改的周杰伦金曲《以父之名》和《夜曲》直接封神,在音乐界掀起了一股不小的波澜。不少人认为,这两条赛道会催生出新的爆款产品,谁能够拿下其中一条赛道,谁就能成为AI行业的王者。
两款AI产品的火爆,迅速点燃了国内大厂对这两条赛道的争夺战。阿里发布了通义万相AI视频服务,字节跳动发布了“PixelDance”,快手发布了视频大模型产品“可灵”,QQ音乐、网易云音乐也发布了AI创作功能,而AI头部公司的Minimax、生数科技、智谱AI也纷纷跟进。
在这两条热门赛道中最不遗余力的当属字节。9月24日,火山引擎在深圳举办AI创新巡展上,发布了豆包视频生成-PixelDance、豆包视频生成-Seaweed两款大模型,意味着字节正式宣告进军AI视频生成赛道。
不仅如此,字节还在音乐生成赛道上,推出了Seed-Music音乐生成模型,并于今年7月推出了发布了全新版本的海绵音乐APP,主打“一键创作你的AI音乐”,这款产品也是字节AI音乐产品的代表作。
至此,字节完成了在AI视频和AI音乐这两条热门赛道上的全布局。火力全开之下的字节,能够得偿所愿吗?
豆包视频生成大模型的发布,是字节在AI领域的一次重磅亮相。
据火山引擎介绍,豆包视频生成模型基于DiT架构,通过高效的DiT融合计算单元,让视频在大动态与运镜中自由切换,拥有变焦、环绕、平摇、缩放、目标跟随等多镜头语言能力。
而在此前视频生成模型大多只能完成简单指令,豆包视频生成模型则能实现自然连贯的多拍动作与多主体复杂交互。例如,后者可以让不同人物完成多个动作指令的互动,使人物样貌、服装细节甚至头饰,在不同运镜下也保持一致,接近实拍效果。
基于豆包视频生成大模型,字节内部也推出了相关的具有AI视频生产能力的产品,主要由两个业务团队在推进,一个是豆包,一个是剪映,可以看做是内部的一场赛马。
豆包对外的产品是豆包APP,剪映则是即梦AI APP,两者的底层技术都是使用的豆包视频生成大模型,即梦使用的是豆包视频生成大模型“PixelDance”。
两款产品虽然都有着视频生成能力,但即梦更具有代表性。
即梦的前身是Dreamina,是原字节跳动中国CEO、转岗至剪映的业务负责人张楠的创业项目。刚上线之时,这仅仅是一个文生图的创作产品。随后,Dreamina瞄上了Sora的潜力,内部基于PixelDance模型开始研发视频生成能力,今年2月,Dreamina的视频生成服务开启对外测试。
今年5月,Dreamina改名即梦,宣布其AI作图和AI视频生成功能全量上线,并在抖音内进行大量投放。张楠更是在朋友圈转发,称即梦刚刚上线,还有很多待优化的地方。
音乐生成方面,海绵音乐APP则是字节的代表,这款产品是字节在AI赛道上试错的一个典型案例。海绵音乐的前身是2022年2月的海绵乐队APP。Tech星球了解到,这是字节内部的一款创业项目,但这款产品诞生之初并不是奔着AI而去,而是服务于汽水音乐和抖音上对音乐编辑有所需求的用户。
到了2022年底,随着国内AI浪潮出现后,海绵乐队才开始转向AI领域,并加入AI作曲能力,但此时的创作能力很一般,“因为此时的字节,并没有成体系的音乐生成大模型,海绵乐队只能靠自己去摸索”,一位曾在海绵乐队工作的员工向Tech星球表示。
2023年6月推出了新版本,主打哼唱成曲和伴奏制作,虽然在AI能力上仍不出众,但对接下来的试错和更新提供了经验。随着豆包音乐生成模型的出现,才让海绵乐队有了一战之力,最终在今年7月,更名为海绵音乐,主攻AI音乐创作赛道。目前,已经开始在各渠道进行投放推广。
需要注意的是,字节的AI产品在这两条赛道上的发展并不是独立,而是相互竞争。豆包、即梦在近期也开始推出音乐生成服务,逐步渗透到AI音乐赛道,“竞争是无可避免的,谁都想成为爆款AI产品,谁都想成为或继续保持在内部的核心位置,这无疑需要AI产品更加具有综合体验”,即梦的一位运营告诉Tech星球。
据七麦数据显示,字节视频生成APP即梦自今年8月上线以来,在iOS端的摄影与录像(免费)榜单的排名逐渐上升,两个月时间,已经稳定在前40的名次,安卓端,近30天日均下载量,为22978次。
借助抖音APP以及投放,即梦的视频生成服务逐渐成为不少抖音创作者的首选。但即梦并不满足于此,今年8月,即梦开始在AI短剧领域的创作探索。联合抖音、博纳影业AIGMS制作中心出品并制作《三星堆:未来启示录》。即梦还在抖音内发起了“即梦AI迷你剧场”的活动,支持AI短剧的创作。
截至9月,豆包大模型日均tokens使用量已经超过1.3万亿,相比5月首次发布时猛增十倍,其中不乏即梦所作出的贡献。
在商业模式上,即梦已推出会员体系,有79元单月、69元连续包月和659元包年的基础会员等不同订阅方式。具体来说,基础会员每月可使用505个积分生成约2020张图片或168个AI视频。
有分析人士认为,即梦目前的产品功能、商业模式聚焦于服务UGC(用户生成内容),与抖音的生态融合将是未来的发展重点。
相比于字节在视频生成方面取得的成绩,字节在音乐生成方面,目前仍然是不温不火。七麦数据显示,海绵音乐有着广告投放,但并没有在iOS端,取得排名,近30日日均下载量仅为15次。
音乐行业人士李磊认为,虽然AI音乐很火,但好听的AI歌曲创作多来自于专业人士,普通用户对于AI音乐生成工具的使用门槛和学习成本也有一定的要求,如果工具过于复杂或难以使用,就会影响用户的体验和接受度。而且,用户对AI音乐的接受度也需要时间来培养。
“字节在多个领域都有业务布局,在资源有限的情况下,公司需要在不同业务之间进行资源分配和权衡。AI音乐生成领域虽然具有很大的发展潜力,但在前期需要大量的研发投入和市场推广,相比于更加成熟的AI视频,公司肯定更愿意加大对这一块的力度投入”,一位汽水音乐的运营小可告诉Tech星球。
不可否认,AIGC(人工智能生成内容)是一个巨大的市场,量子位智库预计,2024年我国AIGC应用市场规模达到200亿。2030年,我国AIGC应用将成为万亿规模市场,五年(2024-2028年)平均复合增长率超过30%。
目前,国内在视频生成模型方面,有优势的是快手和字节跳动,因为二者的业务离视频更近,能够待其视频生成足够优秀之后会快速完成拉新,并带动用户体验提升。
而背靠快手的视频生成AI产品可灵,也成为了字节在AI视频赛道上最有力的竞争者。
可灵的发展速度也很迅猛,今年8月的官方数据显示,可灵累计生成视频数量超过1600万,不到2个月,可灵AI已有超过360万用户,累计生成3700万个视频和超过一亿张图片。
近日,快手副总裁、大模型团队负责人张迪宣布,可灵AI将内测视频人脸模型功能。该功能基于创新的ID保持能力,支持用户自助训练人脸模型,完成训练后,可使用该模型进行5秒至10秒的文生视频。
此外,AI视频生成技术研发成本高和周期长也是一个事实。据界面新闻报道,百度CEO李彦宏称“百度不做Sora”后,有关“中国版Sora到底值不值得做”的话题,在微博、小红书等社交媒体引发众多争论。
李彦宏在内部讲话中称,Sora这种视频生成模型的投入周期太长,10年、20年都可能拿不到业务收益,无论多火爆,百度都不去做。
AI音乐生成方面,版本正在快速迭代,字节仍需快马加鞭。近日,AI音乐创作平台Suno推出的一项创新功能——SunoScenes,允许用户通过上传照片和视频作为提示词,生成与之相匹配的30秒音乐。
而且,音乐数据的版权问题也是一个挑战。获取合法的音乐数据,需要与版权方进行合作,这可能会增加成本和难度。同时,音乐数据的质量也参差不齐,如何筛选和整理高质量的音乐数据用于模型训练是一个重要的问题。
文章来自于微信公众号“Tech星球”,作者“陈桥辉”
【开源免费】suno-api是一个使用监听技术实现了调用suno功能,并封装好API的AI音乐项目。
项目地址:https://github.com/gcui-art/suno-api
【开源免费】LangGPT 是一个通过结构化和模板化的方法,编写高质量的AI提示词的开源项目。它可以让任何非专业的用户轻松创建高水平的提示词,进而高质量的帮助用户通过AI解决问题。
项目地址:https://github.com/langgptai/LangGPT/blob/main/README_zh.md
在线使用:https://kimi.moonshot.cn/kimiplus/conpg00t7lagbbsfqkq0