智谱AI清影实测：6秒视频排队2分钟，猫猫很可爱，人手很翻车

作者 | 香草 编辑 | 李水青

全量上线，免费可用！

智东西7月26日报道，今天一早，大模型独角兽智谱AI 正式发布视频生成工具清影，可支持文生、图生6秒 时长的视频，即日起在PC端、手机App端以及小程序端面向所有C端用户免费开放 。

先来看看效果，以下是几个官方放出的文生和图生视频案例，覆盖人像、动物、3D卡通等场景：

从Demo来看，清影的生成效果虽然相比Sora等还有一定进步空间，但就整体而言流畅度、运动幅度等都很不错，无论是人物表情、动作，还是光影变化、镜头移动，都没有明显的卡顿和突兀感，对运动幅度的把控也恰到好处，不会看起来像PPT也不会过于夸张。

此外，虽然生成是完全免费的，但生成视频需要排队，智谱AI提供了两种加速排队 的订阅方式，包括5元加速1天、199元加速1年。

清影API今天也同步上线，企业和开发者都可以通过调用API的方式，体验并使用清影的文生、图生视频能力，据称这也是国内上线的首个视频生成API 。

据智谱AI CEO张鹏 解读，清影基于自研的底座视频生成模型CogVideoX 打造，能将文本、时间、空间三个维度融合起来。该模型参考Sora算法设计，采用了DiT架构，相比前代CogVideo模型推理速度提升了6倍。

智谱AI成立于2019年6月，起源于清华大学计算机系知识工程实验室，专注于开发新一代认知智能大模型。一直以来，智谱AI以对标OpenAI全模型产品线为线索，陆续研发了包括文本、代码、图像、Agent等方面的自研模型和产品矩阵。此次发布基于CogVideoX的清影，使其大模型矩阵又扩充类一个模态。

值得一提的是，这也是国内做语言大模型起家的大模型独角兽，首次推出视频生成产品——之前这个赛道更多的是字节、快手等短视频大厂，以及爱诗科技、生数科技等专注于视频生成模型的创企。

清影具体有哪些特点？其底层模型在哪些方面做了创新？具体效果如何？智东西第一时间上手实测了一番 ，有以下几点发现：

1、简短的提示词效果更好 ，复杂指令下会丢失细节。

2、人手仍是重灾区 ，容易出现画面闪烁的现象。

3、生成很快，但加上排队等待时间仍达到1-2分钟 。

4、相比图生视频，文生视频的稳定性更高 。

当然，有限次的体验无法做到全面，也欢迎感兴趣的读者朋友，在评论区分享体验感受和新发现~

一、半分钟生成6秒视频，复杂指令、内容连贯

清影主要有4个特点：生成速度快、复杂指令遵从能力强、内容连贯性高以及画面调度幅度大。

首先在生成速度 上，清影AI据称可以在30秒内生成一段6秒、帧率16fps、分辨率1440*960的视频。

▲实时演示视频生成（动图有加速）

其次，在复杂指令遵从能力 上，智谱AI自研了视频理解模型，用于为视频数据生成高度吻合的文本描述，进而构建了海量高质量视频文本对，提升了指令遵循度。

▲复杂指令演示

清影的第三个特点是内容连贯性 ，能够比较好地还原物理世界当中的一些运动的过程。

例如基于这张大家熟悉的杜甫画作，清影让杜甫不仅动了起来，而且非常自然顺滑地端起了一杯咖啡。

▲内容连贯性

最后在画面调度 方面，清影采用文本、时间、空间融合的Diffusion Transformer架构，可生成遵循特定运动规则的动态视频。

智谱AI豪迈地放出了几十个Demo，其中不乏有一些效果惊艳，比如这个：木头上长出两朵奇特的透明塑料花 。

“透明塑料花”不是真实存在的，清影的想象力和审美在这个案例中得以展现。

再比如这个：比得兔开小汽车，游走在马路上，脸上的表情充满开心喜悦，全景画面 。

清影绘制的兔子表情很丰富，没有出现五官扭曲的情况，前后景别还加了景深处理。

人像案例清影也拿捏住了，比如这个提示词：油画风格，美丽的少女侧颜，光透过树形成斑驳的影子，柔光落在她脸上 。

整个画面光影对比鲜明，不过漏失了“油画”、“斑驳的影子”等细节。

二、实测上手有惊艳也有翻车，付费加速有些鸡肋

官方演示虽好，但清影到底好不好用，还是得自己试一下才能知道。打开清影网页端，可以看到有文生、图生视频两种功能。

▲清影网页端

在文生视频 中，我可以选择视频风格，包括卡通3D、黑白老照片、油画等；也可以选择情感氛围，包括温馨和谐、生动活泼、紧张刺激、凄凉寂寞等；运镜方式包括水平、垂直、推近、拉远四种。

在图生视频 中，我可以为图片添加文字描述，如果不知道写什么也可以空着，或是让系统随机生成一个提示词。

▲两种模式

首先我尝试了一组动物场景 的提示词，第一个为：一只蓝猫在猫爬架上，正在吃主人递过来的芝士汉堡 ，情感氛围选择了温馨和谐。

可以看到，清影准确理解了提示词，整体效果还是很不错的。对于提示词中细节，包括猫的品种、汉堡的种类以及“递过来”的动作等，都表达得比较精准，人手也没有翻车。

第二个提示词为：一只橘猫把鼠标推下桌子 ，情感氛围为生动活泼。

这次清影表现得一般，鼠标上莫名其妙拴了一只小老鼠就算了，“推下桌子”的动作也是完全没有体现。

前两个提示词都属于写实场景，第三个提示词则有些“魔幻现实”：一只白猫在车里驾驶，穿过繁忙的市区街道，背景是高楼和行人 ，情感氛围为紧张刺激。

清影对于这个提示词的理解和呈现都还比较准确，背景中动态场景的运动幅度、一致性也比较高，但是稳定性还有所欠缺，画面会出现抖动的情况。

第二组提示词我尝试了人物场景 。首先来试试经典的吃面：一个男人坐在桌边吃面条 ，情感氛围为凄凉寂寞。

在这个经典难题上，清影的表现还算可以，乍一看没什么错误。但细看之下，男人吃面的餐具用的是勺子，面条的形态也有些僵硬。

第二个提示词是：一个女孩坐在米色沙发上，专心地用钩针勾着一顶浅蓝色帽子 ，情感氛围为温馨和谐。

这条提示词中我加入了色彩的细节，清影都准确地表现了出来。女孩的钩织动作也比较真实，就是人手非常“鬼畜”。

第三个提示词为：漂亮的水色瞳孔特写，写实风格，超清 ，情感氛围为凄凉寂寞。

清影生成的视频基本上满足了我的预期，不过在特写镜头下，人物的皮肤和毛发都显得有些“油腻”。

最后我尝试了让清影自己生成提示词，它直接整了这么长一段：雨天的咖啡馆，以窗户为媒介拍摄一个英式咖啡馆内部，要清晰的拍摄咖啡馆内部，捕捉咖啡馆内的温馨氛围，然后变焦，对焦在雨滴拍打的窗户上。细节上，注意捕捉顾客们的交谈和笑容，以及雨水在窗户上形成的光影效果，营造出舒适而宁静的氛围。

结果很遗憾，清影自己给自己挖了个坑，生成的不能说是视频，称之为动图都有些为难。画面仅仅是平移放大了一圈，也没能体现提示词中的大部分内容。

体验完文生视频后，我又尝试了图生视频 。

首先在上传图片时，清影会提醒我对图片进行裁切，且只能裁成进行固定比例的横图，这就造成了一定的局限性。上传图片之后，我输入提示词：花瓣在风中摇动 。

生成效果还是比较准确的，不过这个提示词本身的难度也不算大。

接着我上传了一张静物图，这次没有输入提示词，看看清影会如何自由发挥。

这张图上有很多独立的物体，清影并没有让它们整体运动而是为每个“小团子”添加了不同动态，整体画面比较生动活泼。

第三张图我上传了一张戴着墨镜的人像，提示词为：男孩把墨镜摘下来 。

这个提示词的难度很大，而且涉及到“无中生有”的部分。清影成功表现了“摘墨镜”这一动作，不过摘了是摘了，但没完全摘，墨镜还在人脸上挂着，视频后半段还出现了人体不自然的扭曲。

如果不要求它凭空生成人脸又会如何？我有上传了一张举着摄像机的人像照片，提示词改为：男孩转身面向镜头 。

结果这次清影反而整了个人脸出来，就是没有眼白有些吓人……不过忽略脸的话，这次生成的效果转身幅度更大，人物的头发也随风飘动，就是他手中的器材变了个模样，人手也有些不自然。

一番体验下来，清影生成视频的效果有的惊艳到我，比如第一个小猫吃汉堡的例子，文字理解十分准确；也有的翻车严重，比如咖啡厅、橘猫的例子中，失误都比较大。

整体来看 ，清影在生成速度上确实比较快，虽然较宣传的30秒还有些偏差，但差不多1分钟左右就能生成视频；在运动幅度、语义理解等方面，会比较看运气，不过这也是所有视频生成工具的通病。与市面上其他公开可用的工具相比，清影在生成时长、清晰度方面还有一定的进步空间，不支持画面比例的选择也是一大遗憾。

值得一提的是，清影目前的视频生成是完全免费的，不需要会员订阅也没有数量限制。不过在排队生成的过程中，清影提醒我可以加速。点击加速的按钮，可以看到它提供了两种订阅方式：5块钱加速1天，或是199元加速1年。

▲加速排队

该说不说，这个价格还是很实惠的，但为啥我加完速排队时间一点也没减少呢……唯一的变化就是，从“排队中”变成了“加速排队中”。可能费用太便宜了，大家都加速就相当于没加速吧（doge）。

三、自研端到端视频模型，首个API同步上线

清影基于智谱AI自研的底层模型CogVideoX打造，具有内容连贯、可控性高等特点。

在内容连贯性 方面，智谱AI自研了一个高效的三维变分自编码器结构，称之为3D VAE。它能够将原视频空间压缩至2%的大小，大大减少视频扩散生成模型的训练成本和难度，再配合3D RoPE（旋转位置编码）模块，有利于在时间维度上捕捉帧间关系，建立食品中的长程依赖。

在可控性 方面，智谱AI自研了一个端到端的视频理解模型，用于为海量的视频数据生成详细的、贴合内容的描述文本，从而增强模型的文本理解和指令遵循的能力，使生成视频更符合用户的输入，理解超长的复杂指令。

在模型结构 上，CogVideoX采用了将文本、时间、空间三个维度全部融合起来的Transformer架构，摒弃了传统的交叉注意力（Cross-Attention）模块，将文本和视频两个不同模态的空间进行对齐，能够更好地进行模态交互。

▲CogVideoX特点

张鹏称，在CogVideoX的研发过程中，智谱AI有一次验证了Scaling Law在视频生成方面的有效性和可靠性，未来团队会在继续扩大数据规模和模型规模的同时，寻找更具突破式创新的模型架构。

智谱AI又一次实现了对OpenAI全模型产品线的对标。

▲智谱AI对标OpenAI全模型产品线

在算力方面，清影是在北京亦庄AI公共算力平台上训练而来的。数据层面，智谱AI与Bilibili、华策影视等进行了合作。

张鹏谈道，虽然视频生成模型才刚刚起步，但已经受到了很多产业和客户侧的需求，涉及电商产品宣传、影视特效等领域。

今天起，清影AI也同步在智谱AI大模型开放平台上线了API，企业和开发者都可以通过调用API的方式体验并使用CogVideoX的文生、图生视频能力，据称这也是国内上线的首个视频生成API。

随着清影能力的加入，智谱AI旗下的AI助手清言App在功能的全面上再下一城，覆盖对话、生图、代码、Agent和视频。

智谱AI还准备了一个One more thing——视频生视频能力。不过准确来说，这相当于是一个手动视频生视频的能力：基于智谱AI近日开源的视频理解模型CogVLM2-Video，用户可以上传视频并提取出详细的文字描述，再将文字输入清影，实现“视频生视频”的效果。

▲视频生视频

结语：又一强力玩家入局AI视频生成

Sora发布后，AI视频生成迎来“第二春”，无论是技术、产品的迭代，还是资本市场的关注，都达到了新的高度。光是本周，就有快手宣布全球上线、爱诗科技发布第二代模型，以及今天智谱AI入局等重磅进展。（视频生成大战2.0！大厂狂卷底层模型，创企5个月吸金44亿）

不同于此前的文本、图像模型赛道，国内长期处于追逐OpenAI等海外企业进展的状态。在视频生成领域，国内的大厂、创企在短短几个月内实现弯道超车，不仅打磨出了高质量的底层模型，而且个个公开可用甚至免费，给至今仍是期货的Sora上了一课。

你还想看我做什么特效？#特效盲盒挑战

挑战制作一款抖音特效，今天的主题是绕口令特效。首先需要在PS中制作背景图，一张精美的背景图能够吸引观众的目光。标题应该放在显眼的位置，我认为我制作的背景图还不错。需要调整颜色和大小，使其更加醒目。接下来需要制作一个方框，框住绕口令文字。

这种绕口令特效我之前只做了一个，但是投稿量达到了7万多。后来我又制作了一个，投稿量也达到了4万多。我随手制作的两款特效让我赚了不少钱。有时候运气也很重要，但是更重要的是特效的质量。质量好的特效会得到更多的流量，而质量一般的特效只能靠运气了。随着时间的推移，我们的技术会越来越成熟，收入也会更加稳定。

姐妹们，坚持是非常重要的。刚开始制作特效的时候，一天只能赚到几十块钱。现在每个月基本上都能达到四位数。虽然制作过程看起来很复杂，但其实非常简单。我刚开始接触这个领域的时候也是个小白，但我非常期待加入特效师的大家庭。现在我已经制作好了这个绕口令特效，让我们来看看效果吧。

你勤来，我勤来，同心同德，土变金。工人农民亲兄弟，心心相印，团结紧。

相关问答

对于这款皮肤的话,小编需要强调几个方面主要就是包括这款皮肤的特效手感模型以及这款皮肤的获取方式等等。先谈一下这款皮肤的整体的手感和特效吧,这款皮肤主...

心患相遇特效是在游戏中触发的一种特殊效果,通常需要满足一定条件才能触发。以下是一些可能的触发条件:1.特定时间:游戏中规定了特定的时间段,比如每天的某...

这是一部讲述真实排球运动的热血竞技动漫,虽然他没有华丽的特效、没有各种逆天的技能,但是他对人物塑造,比赛的真实还原深深的吸引着漫迷们,他教会了我们什么...

学习星座可以更好的了解自己以及他人的性格秉性,星盘可以更好的了解每个人的爱情、事业、健康等方面的运势!至于是否买3980元的12星座特效件,看每个人的经济消...

意思就是:即将到来的农历兔年会给人们带来好的运道(运气),寄寓人们对未来的美好期望。此句借用了“时来运转”,旧词出新。意思就是:即将到来的农历兔年会给人...

《真侍魂》系列算是早年特效做得比较好的游戏了,就算是拿到现在来看还是非常过瘾。可想而知为什么这款游戏流行了二十多年后,都还会受到玩家的追捧。当年在游...

1.九尾狐击败特效可以通过游戏中的抽卡系统获得。2.抽卡系统是游戏中常见的获取稀有物品的方式,玩家可以使用游戏内的虚拟货币或者真实货币购买抽卡机会。抽...

电影艺术在中国起步不是很早,新中国成立以后,影视艺术有了突飞猛进的发展……以长春电影制片厂为例,可以说是新中国电影事业的摇篮之一。中国电影总摄影师、...

剑网三每周年都会推出周年活动,一些外观和特效挂件,相信玩剑网三的小伙伴都不会愿意错过。相对于买周年外观来说,刷特效挂件在游戏中成了一项全民向的活动,...

要刷出“龙战于野”回城特效的时间因人而异,具体取决于玩家的运气和投入的时间以及资源。获得“龙战于野”回城特效有以下几种方法:1.**通过魄罗能量**:玩家...