国产AI视频生成领域迎来了新的领军者。备受期待的智谱AI大模型厂商终于在智谱Open Day上揭晓了其最新进展——清影AI视频生成功能正式上线。该功能不仅在PC端提供访问，同时也在APP端和小程序端全面开放，为创作者提供了更为便捷的视频生成体验。 无需预约，开箱即用，清影AI视频生成功能现已全面开放。这一功能不仅在PC端提供便捷访问，更在APP端和小程序端一应俱全，为创作者们带来了前所未有的视频生成体验。而且，该功能免费开放，且支持低至5毛钱/条视频的API发布，真正实现了人人皆可创作的梦想。 此外，清影AI视频生成功能还支持文生视频和图生视频的一键转换，让创作变得更加简单高效。经过实际测试，我们发现其生成速度极快，仅需30秒即可生成一条6秒时长的视频，且清晰度高达1440 x 960。更令人惊喜的是，该功能还提供了多种实体维度和风格的转换选择，如动物、风景、人物等实体维度，以及卡通3D、电影感、黑白老照片等多种风格。同时，强大的指令跟随能力和视频细节遵从度也让用户能够轻松掌控视频生成的每一个细节。

不仅如此，清影AI视频生成功能还提供了配乐小功能，让用户能够为生成的视频增添更多音乐元素。通过实际案例展示，我们发现该功能在生成好莱坞电影风格的视频以及动物镜头方面表现尤为出色，无论是恶龙的冲撞还是猎豹的微妙神态，都被捕捉得栩栩如生。

总的来说，清影AI视频生成功能的出现无疑为创作者们带来了全新的创作体验。其便捷性、高效性和多样性让视频生成变得简单而有趣，为内容创作领域注入了新的活力。

Case 3：人物镜头

提示词：细致描绘，近距拍摄，猎豹静卧地面，呼吸微动 已关注 关注 重播 分享 赞 关闭 观看更多 更多 退出全屏

视频加载失败，请刷新页面再试

刷新 视频详情

人物脸部的光影效果处理得恰到好处，生动逼真。

Case 4：英文提示词与复杂指令综合测试 提示词：两只衣衫褴褛的猴子在五彩斑斓的房间内操作电脑，他们的眼神生动活泼，仿佛在讲述一个幽默的故事。房间内奇妙的装饰和玩具营造了一种梦幻般的环境。镜头采用了一种别具一格、如梦似幻的风格，手持摄像机捕捉了猴子们滑稽的动作，偶尔还会以慢动作展现他们夸张的表情。照明方面，温暖的色调与冷色调相互映衬，使得整个场景更加生动活泼。景深则时而聚焦在猴子身上，时而转向电脑屏幕，从而创造出一种轻松愉快的视觉效果。 提示词：一只黄色小鸭玩具在游泳池中轻盈地漂浮，镜头近距离捕捉其细节。 在探索视频生成技术的道路上，我们发现了许多有趣的现象。虽然简单的提示词能够快速生成具有一定创意的视频，但其中不免存在一些与现实物理规律不符的瑕疵。然而，当我们运用高级提示词技巧结合抽卡大法时，这些瑕疵问题便能得到显著改善。

这一切都得益于智谱清影背后强大的技术支持——智谱AI自研的视频生成模型CogVideoX。在介绍CogVideoX模型的文档中，我们惊喜地发现了一份非常详尽的文生视频“高级提示词指南”。这份指南不仅对普通用户具有指导意义，也为开发者提供了宝贵的参考。

构建高质量的视频内容，关键在于提示词的精确度和细节水平。通过采用结构化提示词，我们可以显著提升视频内容的符合度和专业性。而这份指南中，也详细阐述了构建高质量提示词的各个组成部分，包括镜头语言、景别角度、光影效果、主体描述、主体运动、场景描绘以及氛围营造等。

此外，CogVideoX模型在视频生成方面的卓越表现，也离不开智谱对多模态技术的深入布局。要深入了解CogVideoX的更多细节和背后技术，不妨进一步探索智谱AI的官方文档和资源。 早在2021年，智谱就在人工智能领域的顶级会议NeurIPS'21上，发布了其文生图大模型CogView，这一里程碑式的工作为智谱的多模态产品线奠定了坚实基础。随后，智谱在CogView的基础上不断探索，于2022年推出了备受瞩目的文生视频模型CogVideo，该模型在业界产生了深远影响，并得到了Meta、Google、微软和英伟达等顶尖机构的引用。

CogVideo模型在论文中详细阐述了其创新之处。它基于CogView2模型进行冷启动，继承了Transformer架构的精髓，并巧妙地结合了预训练技术、多帧率训练、双通道注意力机制以及Swin Transformer的改进设计，从而构建出高效的视频生成模型。

而CogVideoX作为CogVideo的升级版，在保持出色生成效果的同时，通过系统性的优化使得推理速度提升了惊人的6倍。这一突破使得智谱清影能够以仅30秒的速度生成6秒的视频，为用户带来流畅至极的体验。 此外，智谱在CogVideoX模型的用户指令遵循方面付出了巨大的努力。他们甚至自主研发了一个视频理解模型，旨在为视频数据生成高度契合的文本描述。通过这种方式，智谱构建了大量高质量的视频文本对，从而训练出指令遵循度极高的模型。

在视频生成领域，指令遵循能力至关重要，因为它直接决定了模型能否在C端场景中成功落地。简而言之，无论是文生图产品还是文生视频产品，它们对用户端的主要价值在于提供创意参考。而要让模型高效地为用户提供创意参考，首要条件是模型能够准确理解并执行用户的指令。在此之后，视频生成的质量、时长和清晰度等其他因素才会发挥作用，至于最终呈现的效果，则主要取决于“抽卡大法”的运用了。 尽管智谱清影与Sora官方展示的案例相比，客观效果上仍存在一定的差距，但算法领域的专业人士都清楚，要提升模型性能，最有效的途径是迅速构建出基础模型并投入使用，从而启动数据飞轮，让模型能够快速且无偏地迭代进化。在这方面，智谱AI选择以免费开放的方式，让任何人都能够轻松使用其API，并且定价低至每使用一次仅需5毛钱，这无疑是一个明智的策略。对于我们普通用户和开发者而言，这无疑是一个巨大的利好——视频生成模型的访问门槛因此被大大降低。