6月17日晚，著名生成式AI平台Runway在官网发布了，全新文生视频模型——Gen-3 Alpha。
与Gen-2相比，Gen-3在生成视频的质量、色彩、饱和度、光影、文本语义还原、运镜、动作一致性、场景切换等实现大幅度提升。
此外，Gen-3和Sora、可灵、Dream Machine一样是个世界模型，具备模拟物理世界的能力。也就是说，其生成视频的物理效果，例如，下落、碰撞、触摸、风吹、生长、雨水等都非常逼真。
值得一提的是，Runway的联合创始人曾在今年2月25日说过，要做出比Sora更好的文生视频，果然兑现了诺言。
Gen-3案例展示与解读
虽然Gen-3还没有正式全面公测，但已经邀请了影视、开发等人员进行了内测，流出来的视频效果非常棒， 一次可以生成11秒的视频。
下面「AIGC开放社区」选了一些非常有特色的Gen-3视频，并为大家解读它们到底好在哪里。
例如，一顶卷发假发和墨镜突然落在他的头上，一位悲伤的秃头中年男人变得高兴起来。
在这个案例中，我们可以仔细观察他的眼睛睁开速度和嘴巴逐渐微笑的走势，以及戴上假发、墨镜之后，笑容发生的微妙变化，是不是看起来非常逼真。
<iframe src="data:;base64, " frameborder="no" scrolling="no" allowfullscreen="allowfullscreen"></iframe>
在高速行驶的火车车窗旁,一名女子的微妙倒影，这个主要体现了Gen-3强大的光影能力。
火车在飞速行驶中，车窗外的霓虹灯照在女人的脸上，在她的脸颊、鼻子上都有不同层次的效果，同时她受到光的刺激后，还会自然地眨眼，这一点很人性化、很了不起。
这个在闹市的火焰圈，也展示出了同样的光影渐变效果。
一位年轻女子驾驶汽车的特写镜头,看上去若有所思,透过雨天的车窗可以看到模糊的绿色森林。这个和上一个火车女的案例差不多，但生成的难度要大很多。
首先，要体现女子的表情，文本要求的是“若有所思”，Gen-3选择使用紧闭嘴巴和不眨眼来表现;
其次就是透过雨天的车窗，这就需要雨点在汽车高速行驶之下表现出不同的雨水拍打效果。整体来看，完成的非常棒!
一个晶莹剔透的水晶盒，有一些彩色的球掉落下来。我们观察到，第一批掉落下来的篮球、绿球、黄球的回弹性非常好，随着掉落的球越来越多，弹性也变得缓慢起来，这个展示的就是物理下落和碰撞等效果。
一个蚂蚁从巢穴中出来的，很近的特写镜头。镜头拉回来，露出山那边的一个街区。这个主要体现了Gen-3的运镜、场景切换的能力。
给完蚂蚁特写之后，就是一个非常大的远景运镜，接着就要缓慢生成远处的街景，这对场景的连贯、一致性要求非常高。
，时长00:10
空中拍摄的海洋，水中形成漩涡、不断旋转,直到露出下面炽热的深处。这个也是运镜和场景切换能力。
手持跟踪拍摄，跟踪废弃街道上漂浮的红色气球。这个展示了近大远小的物理效果，我们看到随着气球逐渐飘向远方，气球正在缓慢变小但是毫无违和感;再就是光影效果，仅在10秒钟镜头的光影却发生了两次变化，一次是短、一次是长。
一个废旧的空仓库，从地下冒出来一大片奇妙的绿色丛林。注意深林在出现的过程中发生了两次生成变化。
第一次，草坪是平的，在马上要见到阳光后，平的草坪立马变成了绿色的植被，同时遮盖住透进来的阳光。整个生长过程，基本是符合现实世界的规律。
世界模型的重要性
从上面这些案例，能体会到模拟物理世界的重要性了吧。其实，世界模型应用最广泛的是在汽车自动驾驶，可以帮助汽车在变化多端的环境中做出明智的决策、规划行动。
所以，OpenAI、Runway等也希望把该技术引入到文生视频领域，来增强生成视频的质量。
但开发特定的世界模型并不容易，首先需要对现实世界的动态和结构进行精确捕捉和模拟。这涉及到物体的物理属性，比如它们的大小、形状和质地，还有它们如何随时间在环境中移动和变化。
例如，在自动驾驶汽车领域，它需要一个能够准确预测其他车辆、行人、交通信号和道路条件变化的世界模型。
物理模拟是世界模型中核心模块之一，它允许AI模拟现实世界的物理定律，这对于预测物体如何运动和相互作用至关重要。例如，机器人在抓取物体时，它需要模拟物体的重量和可能的移动轨迹，以确保动作的精确和稳定。
此外，需要大量多类型数据，包括视频、图片、传感器等提供了源源不断的环境信息。然后通过深度学习、极佳的算法从这些数据中提取特征，学习规律，模拟出能够反映现实世界的模型。
世界模型不仅能体现当前的状态，其预测能力也是非常强。通过学习历史数据和模式，模型能够预测未来可能发生的情况，我们从视频生成的效果就能看出这一点，例如，那个在仓库中生长出绿色强的案例。
此外，世界模型使机器能够与环境进行交互，实时根据环境反馈调整行为。例如，自动驾驶汽车在行驶中会不断更新其世界模型，以反映周围环境的最新变化，并据此做出快速而准确的驾驶决策;
而文生视频模型，可以根据文本语义提示，在生成过程中实时调整生成的内容更好地还原文本提示。
2024——文生视频元年
在今年2月，Sora席卷全球成为现象级产品时，就有网友问过Runway的联合创始人Cristóbal Valenzuela：“几个月后，Runway能做出与Sora类似的产品吗?”
Cristóbal回答的也比较简单直接，会比Sora更好。从Gen-3生成的效果来看，他确实没吹牛做到了。
不少网友表示，Gen-3出现后，Sora迎来了最强竞争对手，整个文生视频赛道的竞争也变得更加残酷。
对Gen-3生成的视频质量也非常认可，并且认可这是文生视频领域最大竞争对手之一。
仅在6月，就有三款非常强的文生视频模型出现，2024简直就是“视频元年”。
在多个超强文生视频模型的围剿下，OpenAI快要失去护城河了，是时候赶紧公测Sora了。
也有人认为，Gen-3生成的效果已经超过了Sora，离制作电影级视频非常近了。
今年2月16日，OpenAI发布Sora后全球科技领域为之震惊，极大提升了文生视频赛道的热度，受到了影视行业、资本市场的青睐。
仅仅4个月后，国内快手发布的“可灵”， Luma AI发布的Dream Machine，加上今天的Gen-3 Alpha，在生成视频的质量、动作一致性等完全不输Sora，将模拟世界大模型拉升到一个全新高度。
如果2023年是ChatGPT文本元年，那么2024将是文生视频疯狂内卷的一年，我们期待下半年更多炸裂产品的出现。
