今年幾乎天天都能看到各路 AI 視頻大神刷屏，什么奧特曼對(duì)波馬斯克，雪王大戰(zhàn)東方明珠，切金屬切玻璃 ASMR……看得人心癢癢。

但真輪到自己上手，你就會(huì)發(fā)現(xiàn)，這玩意兒純屬「開盲盒」，而且是成本巨高的那種。排隊(duì)幾小時(shí)是家常便飯，積分燒得比紙快，結(jié)果出來的視頻要么人物畸變、畫風(fēng)詭異，要么干脆就把你的提示詞當(dāng)成耳旁風(fēng)。

面對(duì)「AI 視頻刺客」，還真有「卷王」站了出來。

去年靠「毒液特效」出圈的 PixVerse，今天悄咪咪地放了個(gè)大招——PixVerse V5。

他們這次號(hào)稱搞了一套「準(zhǔn)實(shí)時(shí)生成」的狠活，全面優(yōu)化了動(dòng)態(tài)、清晰度、一致性和指令理解能力。

▲ PixVerse 國(guó)內(nèi)版首頁(yè)

PixVerse V5 這次不光是小修小補(bǔ)，他們直接端出了三個(gè)硬菜：

1. 快速生成
這一直是 pixVerse 最大亮點(diǎn)， 他們通過極致的技術(shù)蒸餾，把視頻生成壓縮到了「秒級(jí)」。5秒鐘出一段360p短片，1 分鐘搞定 1080p高清視頻。

2. 更少 AI 味兒
V5 通過擴(kuò)展美學(xué)數(shù)據(jù)和人類偏好擬合（RLHF），讓模型更懂「好看」和「真實(shí)」。無(wú)論是復(fù)雜的人物運(yùn)動(dòng)，還是光影的真實(shí)感，都大幅提升，生成效果更接近真實(shí)拍攝。

3. 指哪打哪
最讓人頭疼的「AI聽不懂人話」問題，他們用「統(tǒng)一特征空間」技術(shù)來解決。簡(jiǎn)單說，就是不管你喂給它的是一句話、一張圖，還是一段參考視頻，它都能更準(zhǔn)確地理解你的意圖，實(shí)現(xiàn)圖、文、視頻多模態(tài)的復(fù)雜創(chuàng)意，讓你真正做到精準(zhǔn)控制。

話是這么說，是不是吹牛還得拉出來遛遛。我第一時(shí)間搞到了內(nèi)測(cè)資格，替大家給它上上強(qiáng)度。

快到離譜，價(jià)格感人

快，是 V5 給我的第一印象。

實(shí)測(cè)下來，一段 8 秒帶聲音的 360p 視頻，從排隊(duì)到生成完畢，基本都在 30 秒以內(nèi)，包含排隊(duì)時(shí)間和生成時(shí)間；而 1080p 的超高清視頻，所需要的時(shí)間會(huì)長(zhǎng)一點(diǎn)，但是基本上也在 2 分鐘左右。

▲ 拿可靈生成視頻來對(duì)比下，排隊(duì)的時(shí)間是 3 個(gè)小時(shí)

除了快到離譜，V5 也便宜到感人。每天登錄就送 60 積分（生成一段 5 秒 360p 無(wú)聲視頻僅需 20 積分），會(huì)員選項(xiàng)也很多，讓「抽卡」的成本大大降低。

作為對(duì)比，可靈是每個(gè)月提供 166 積分，生成一段 5s 標(biāo)準(zhǔn)模式的視頻也是 20 積分。目前可靈添加音效是限免，PixVerse 需要再加 10 積分。

時(shí)間和金錢這兩大核心痛點(diǎn)，PixVerse V5 算是給出了一個(gè)相當(dāng)漂亮的解決方案。 那么，最重要的質(zhì)量如何？

強(qiáng)度實(shí)測(cè)：從「開盲盒」到「半開卷考試」

我們直接上硬菜，用幾個(gè)熱門案例來測(cè)試它的真實(shí)水平。

先來個(gè)簡(jiǎn)單的，生成廣州塔的航拍鏡頭。

▲ 提示詞：電影般的航拍無(wú)人機(jī)鏡頭，聚焦廣州塔。使用柯達(dá) 35 毫米膠片拍攝，帶有膠片顆粒感。動(dòng)態(tài)航拍鏡頭，攝像機(jī)環(huán)繞移動(dòng)。保留參考圖像的構(gòu)圖、框架和結(jié)構(gòu)細(xì)節(jié)。

PixVerse 做的確實(shí)很好，而且速度還快。此外，不像 Veo 3 目前還是只能生成 16:9 的視頻，PixVerse 則可以根據(jù)上傳的圖片自動(dòng)適應(yīng)生成視頻的比例。

接下來，上點(diǎn)難度，測(cè)試它的人物一致性和場(chǎng)景理解能力。

最近 nano-banana 非?；穑覀兦皫滋煊盟闪朔浅６嘤幸馑嫉恼掌?，社交媒體上也很多人用它來實(shí)現(xiàn)一個(gè)完整的故事，憑借著它強(qiáng)大的人物、環(huán)境、照片風(fēng)格內(nèi)容等一致性保持。

我們找了幾組有意思的照片，看看 PixVerse V5 是否有能力可以生成一個(gè)視頻。

首先是這兩個(gè)打臺(tái)球的女生，他們先是站在前面自拍，然后我想讓他們走到后面，拿著臺(tái)球桿開始玩。

結(jié)果有點(diǎn)意外。 場(chǎng)景保持得很好，走路動(dòng)作和表情也到位。但……它莫名其妙給我多塞了一個(gè)路人女孩進(jìn)來！

看來在理解復(fù)雜的雙人交互和空間關(guān)系上，AI 還是會(huì)犯迷糊。不過對(duì)比 V4.5（之前會(huì)生成一些意義不明的慢鏡頭），V5 至少更懂「走路」這個(gè)意圖了。

還有最近非?；鸬挠?nano banana 來做手辦圖片，有了圖片之后，我們又可以生成非常多有意思的視頻。

▲ 提示詞：將這張照片制作成一個(gè)角色模型。其后放置一個(gè)印有該角色圖像的盒子，以及一臺(tái)屏幕顯示Blender建模過程的電腦。在盒子前方添加一個(gè)圓形塑料底座，角色模型站立在上面。使PVC材質(zhì)看起來透明，并盡可能設(shè)置為室內(nèi)場(chǎng)景。

我們先用 nano banana 制作了一個(gè)像是自己 3D 打印出來的 labubu，接著把這張圖片丟給 PixVerse。

▲ 提示詞：棕色的實(shí)體手辦開始在桌面上探險(xiǎn)，它左邊走走，右邊看看，最后跳回到了原來它旁邊的盒子里面；盒子上的 labubu 不要?jiǎng)?，保持靜態(tài)的；電腦上顯示的 3d 手辦動(dòng)畫處于預(yù)覽的狀態(tài)，自動(dòng)的旋轉(zhuǎn)播放。

還有最近非?；?，以假亂真的 AI 夜視鏡頭視頻，我們也用 PixVerse 檢驗(yàn)了一下。不得不說，這個(gè)效果很真實(shí)，小貓趴在熊背上，小心翼翼地跳來跳去，和熊的接觸、跳躍的動(dòng)作，都像是真的。

如果是處理這種簡(jiǎn)單的動(dòng)作還不夠上難度，我們直接給他一張滑板的腳步特寫，讓他完成這些復(fù)雜的滑板動(dòng)作。

PixVerse V5 也能精準(zhǔn)地生成腳部動(dòng)作，并且不出現(xiàn)差錯(cuò)。 我們用 V4.5 試了一下，有時(shí)候是會(huì)出現(xiàn)鞋子反穿，還有一些很搞笑的是，看起來滑板很燙，不知道怎么下腳的奇怪動(dòng)作。

可以說，PixVerse 確實(shí)在生成質(zhì)量上有了很多方面的提升。整體感覺是，V5 版本在一致性和寫實(shí)感上的提升非常明顯，看起來更像真實(shí)拍攝，而不是帶著濃重 AI 味的畫面。

One More Thing，還有 Agent 創(chuàng)作助手

除了圖生視頻，PixVerse V5 還提供了續(xù)寫、多主體、Agent 智能體等一堆花哨但實(shí)用的功能。

我最喜歡的是「續(xù)寫」。目前大部分 AI 視頻一次只能生成幾秒，想做長(zhǎng)視頻就得手動(dòng)截取最后一幀再生成，非常繁瑣。

而續(xù)寫功能可以相對(duì)絲滑地延長(zhǎng)視頻，支持 30s 內(nèi)長(zhǎng)度的視頻，我用它做了個(gè)「貓貓做夢(mèng)當(dāng)大廚」的短片，效果很萌。

看這小貓最后滿足的笑容！

而為了解決「不會(huì)寫提示詞」這個(gè)終極難題，V5 還上線了 Agent 智能體。這玩意兒就像個(gè)創(chuàng)意模板庫(kù)，你只需要找到喜歡的模板，填入關(guān)鍵詞，它就能自動(dòng)完成意圖理解、腳本生成、視頻生成等一系列流程。

目前在 PixVerse 的智能體里面，提供了超過十個(gè)的項(xiàng)目。有前段時(shí)間很火的兔子蹦床、給角色或物體更換材質(zhì)、結(jié)合多個(gè)物體生成一個(gè)新物種、甚至還有給寵物穿上蟑螂套裝跳芭蕾這樣的智能體。

我就把之前我們用的那張 Labubu 的照片上傳給它，智能體的流程和模板還是不太一樣，模板只是單純的套用一套提示詞，而 PixVerse 的智能體就像我們用 ChatGPT agent 一樣，自動(dòng)化全部的操作，像是省去了我們先去 nano banana 里面生成圖片的流程。

雖然它偶爾也會(huì)犯傻，比如把我的 Labubu 手辦識(shí)別成「穿著棕色蟑螂服裝的形象」（我對(duì)不起 Labubu?。?/p>

但這跳得還不錯(cuò)的芭蕾舞，確實(shí)展示了 Agent 功能的潛力——大大降低了普通人的創(chuàng)意實(shí)現(xiàn)門檻。

目前，PixVerse V5 和 Agent 創(chuàng)作助手已經(jīng)在國(guó)際版 PixVerse（https://app.pixverse.ai/）與國(guó)內(nèi)版拍我 AI（https://pai.video/）的網(wǎng)頁(yè)端、App 及開放平臺(tái) API 全面上線。

AI 視頻，終于從「豪賭」變成了「刮刮樂」

綜合體驗(yàn)下來，PixVerse V5 的這次更新可以清晰地總結(jié)為兩個(gè)詞：更快、更好。

它或許還不是最完美的視頻模型，處理復(fù)雜的多人交互時(shí)依然會(huì)犯迷糊。但這讓我想起了豆包生圖，質(zhì)量可能不如 Midjourney，但它免費(fèi)、量大、管飽，你可以隨便試。

▲ 豆包一次性能生成 20 張圖

PixVerse V5 走的也是這條路。它用「準(zhǔn)實(shí)時(shí)」的生成速度和極低的試錯(cuò)成本，徹底改變了創(chuàng)作的心態(tài)。

過去，花幾小時(shí)排隊(duì)，燒掉大把積分，最后開出一個(gè)不滿意的「盲盒」，那種感覺是痛苦和沮喪的?，F(xiàn)在，幾十秒就能看到結(jié)果，不滿意就立刻重來，這種體驗(yàn)更像是「刮刮樂」——輕松、高頻，且總期待著下一張能中獎(jiǎng)。

從這個(gè)角度看，PixVerse V5 的核心競(jìng)爭(zhēng)力，或許不是生成了多么驚艷的視頻，而是在于提供了一種無(wú)負(fù)擔(dān)、高頻率的創(chuàng)作體驗(yàn)。

當(dāng)開盲盒的成本變得足夠低，當(dāng) AI 的不穩(wěn)定不再讓你心疼時(shí)間和金錢時(shí)，AI視頻創(chuàng)作，才算真正從少數(shù)大咖的神壇，走到了我們每個(gè)人的日常里。

文｜李超凡、張子豪

原文鏈接：https://mp.weixin.qq.com/s/Q0_1JM-2tJa9VyMP0LYUBQ