要说谁是中国的OpenAI？在我心中，智谱一定是非常靠前的那个答案。
而且，智谱比OpenAI还Meta。毕竟OpenAI自GPT-3.0上线后，就没怎么开源了，而智谱每隔一段时间就给你开源一下，把他们家技术池里的鱼捞出来，给你玩玩。
今年，是智谱的AI应用大年。我整理了下，到目前为止，他们一共上线了10多款AI产品。这产品发布，高产似那个啥啊![]()
。![]()
从文字、图像、音频到视频，智谱一直都在多模态路上狂奔，向AGI（通用人工智能）奔去。3个月前，智谱推出了「清影」视频生成产品（基于CogVideo X模型），只需要30秒就能生成6秒的AI视频。我们第一时间做了测评，好玩，好快。今天，智谱又带来了最新的CogVideoX V1.5模型产品——「新清影」。最近，有幸参加了「新清影」的内测，我将我的一些测试总结和发现，分享给大家。在这之前，不管是Runway、Luma还是可灵、海螺、PixVerse，大家生成的视频都是无声的，是默片。要想让视频有声音，只有自己再剪辑，加上BGM，或者通过对口型功能添加AI配音。而现在，AI视频正式进入了“有声电影时代”。智谱自研了CogSound音效模型（本月即将上线），可以根据视频内容自动生成音效、节奏等元素，来适配视频。怎么样？是不是非常接近原片了？看到这里，有人可能会杠一下：你这只是接近原片，又没有超越，有什么了不起的？大哥，你知道电影《2012》的配乐有多少首，团队有多少人吗？而现在，AI只用几分钟就生成好了。是，肯定还达不到电影级别。但，日常创作完全够用了。而且，这还只是模型的第一版。剪过片子的同学都知道，有时为了找一个音效素材要找很久很久，好不容易找到了吧，还得担心版权问题。这个智谱生成的音效，我敢说可以秒杀某音上70%的尬音效了![]()
。它是基于智谱GLM-4V模型的视频理解能力，能够准确识别并理解视频背后的语义和情感，从而生成与之匹配的音频，如爆炸、水流、乐器、动物叫声、引擎轰鸣声、交通工具声等。再联想到，两周前，智谱还发布了端到端的GLM-4-Voice语音模型，更自然，更生动。那这下链路齐全了，现在文字、图片、视频、声音、音效模型都有了，就可以据此建立完全多模态的产品，生成更真实、更直接的内容。大大缩短制作周期，降低制作成本。我帮大家问了下智谱的同学，说音效模型将在本月上线智谱清言APP，与「新清影」一起生成有声AI视频。我放个Case，大家感受下。画面由清影生成，音效由CogSound模型生成。以后，只需要一个好的idea，剩下的事就全交给AI吧。除了新增音效模型外，图生视频的各方面能力这次也有了大幅提升。比如画质，升级到4k、60帧、10s，这画面看着是真舒服。这是我最喜欢的一个Case，这演技怕是《小丑》本尊亚瑟·弗莱克（Arthur Fleck）来了吧。图由Recraft生成，视频由新清影生成，提示词：男人先是笑，然后悲伤、绝望、抑郁，表情痛苦，内心挣扎。遵循物理规律，AI终于可以把水自然地倒进杯子里了，杯中水会随倒入量而增加。提示词：小河快速流动，云朵缓缓飘动，10s视频。图由朋友@德里克文 原创提供。提示词：机器人正在维持治安。街面上，车辆穿梭，人群走动。一些复杂的提示词指令，也能够理解，生成电影级画面。比如，我参考今年的“整活”电影《美国内战》生成了一个片段，这慢镜头有那个味道了。提示词：警队背后的浓烟发生爆炸，人群骚动，警队拿着防弹盾牌缓缓向前。也不限比例，新清影支持任意比例图片生成视频。你上传的图片是什么比例，它就生成什么比例的视频。提示词：汽车极速行驶，跟踪镜头。图由朋友@德里克文 原创提供。犹记得，「清影」刚上线时，其图生视频还比较弱。没想到，2个月后带来了这么大的提升。在图生视频领域，现在的「清影」绝对可以跻身第一梯队了。这次，智谱继续坚持一贯的风格——发布即上线，上线即开源。这款最新的新清影模型CogVideoX v1.5，今天起就可以在智谱清言APP和web体验使用了。同时，智谱也宣布了开源，给到所有开发者使用。体验链接：https://chatglm.cn/video开源链接：https://github.com/thudm/cogvideo两周前，在智谱发布会上，他们曾发布了这样一张图，将人工智能的发展路线分成了5个等级。L1语言能力，L2逻辑与思维能力，L3工具能力，L4自适应能力，L5超越人类能力。智谱认为，当前业界处于L1~L2阶段，正在向L3探索。他们发布的Phone ues产品AutoGLM，正是智谱在L3工具能力方面的探索和尝试。从AutoGLM到新清影，不得不说，智谱离AGI又进了一步！在科幻神作《银河系漫游指南》中，有一个著名的设定：超级电脑“深思”（Deep Thought）耗费了750万年的计算，得出“生命、宇宙以及任何事情的终极答案”是42。为什么终极答案是42？小说发表后的这40多年里，大家众说纷纭，争议不断。但我觉得，相对于搞清楚为什么终极答案是42，不如弄清楚生命、宇宙以及任何事情的终极问题是什么，更重要。
从我对智谱的了解来看，他们正是在朝着弄清楚人工智能的42%阶段是什么、有什么以及为什么的方向前行。
Don't Panic.
Ps.现在登录智谱清言APP或访问这个链接，就可以体验「新清影」了，音效模型也将在本月底上线~
体验链接：https://chatglm.cn/video
